一种基于数据分离多尺度特征结合的人体复杂行为识别方法，分割位于手腕和下肢位置的加速度传感器数据和陀螺仪数据，将分割后的传感器数据分别输入手腕位置和下肢位置的一维卷积神经网络与双向长短期记忆单元的混合神经网络，对分割后的传感器数据提取特征，选择保留优势特征向量，将混合神经网络中第二层卷积输出的状态信息与双向长短期记忆单元输出的状态信息结合，得到多尺度特征向量，并将该特征向量与优势特征向量融合，作为全连接网络的输入特征，经过全连接网络后得到样本分类标签。本发明能克服单一神经网络表达能力不完全的问题，并结合网络不同深度的特征，形成多尺度特征，从而提高人体复杂行为识别正确率。