本發(fā)明公開了一種面向弱標(biāo)簽傳感器數(shù)據(jù)的人體動(dòng)作識(shí)別方法，步驟：利用傳感器采集人體行為活動(dòng)數(shù)據(jù)構(gòu)成訓(xùn)練數(shù)據(jù)集，進(jìn)行數(shù)據(jù)規(guī)范化處理，并添加對(duì)應(yīng)的標(biāo)簽；將訓(xùn)練數(shù)據(jù)樣本輸入人體動(dòng)作識(shí)別模型中，該模型包括卷積神經(jīng)網(wǎng)絡(luò)模塊、循環(huán)神經(jīng)網(wǎng)絡(luò)模塊和強(qiáng)化學(xué)習(xí)模塊；針對(duì)含單次活動(dòng)的弱標(biāo)簽傳感器數(shù)據(jù)和含多次活動(dòng)的弱標(biāo)簽傳感器數(shù)據(jù)分別設(shè)計(jì)回報(bào)函數(shù)，并計(jì)算相應(yīng)的reward值；對(duì)人體動(dòng)作識(shí)別模型進(jìn)行訓(xùn)練和優(yōu)化；獲取測(cè)試數(shù)據(jù)集，輸入人體動(dòng)作識(shí)別模型，測(cè)試模型的分類準(zhǔn)確度。本發(fā)明通過(guò)每次處理弱標(biāo)簽傳感器數(shù)據(jù)中的局部信息，在有限次數(shù)內(nèi)快速地識(shí)別出特定的活動(dòng)并且定位出活動(dòng)發(fā)生的位置。