一种基于多特征融合CNN‑BLSTM的人体复杂行为识别方法包括如下步骤：通过滑动窗口对连续的传感器数据进行分割，对分割后的传感器数据提取特征，并通过特征选择算法，对这一系列人工提取特征进行筛选，保留优势特征；将分割后的行为数据输入深度学习模型进行训练，首先通过卷积神经网络进行一维卷积池化处理，再通过双向长短期记忆神经网络，使用平均池化层对双向长短期记忆神经网络输出的状态进行显著性特征提取，最后将池化后的特征向量与先前提取的优势特征向量融合，作为全连接层的输入特征，得到复杂行为识别的输出。本发明能充分挖掘传感器数据特征，提高人体复杂行为识别准确率。