本申请涉及一种行为识别的方法、系统、计算机设备和存储介质。方法包括：获取待识别的视频；对待识别的视频进行处理提取图片信息和人体姿态信息；将图片信息和人体姿态信息输入预先训练的双流卷积神经网络，获得图像特征和人体姿态特征；将图像特征和人体姿态特征进行注意力融合；对融合后的图像特征和人体姿态特征进行分析，计算每个行为类别之间的相对概率；选择相对概率最高的行为类别为行为的预测值，预测值用于确定行为。上述方法采用双流卷积神经网络，在神经网络的空间流中输入RGB图片，时域流中输入人体姿态信息，不需要计算光流信息，大大减少了计算量以及计算成本；另外，还采用了注意力融合技术，能进一步提高识别的准确率。