本发明提出一种基于弱监督学习的视频时序行为检测方法，采用对抗思想，通过加入精细化分层对片段级的行为边界进行切分，减少时序检测下行为实例的冗余信息；采用GCN显式建模片段的相似关系，提出了类别片段融合的内外对比损失来监督视频特征的中间表示，通过增大前景与背景间的特征距离，减小相同类别间的特征距离来解决上下文混淆问题，阈值融合得到“行为提案”，实现行为实例结构上完整性与内容上独立性定位的目的；采用互补思想，针对视频信息在特征学习、关系推理过程中的丢失问题，本发明提出将全局节点加入到互补学习层，将学习后的特征根据时间的连续性进行级联与全局节点进行相似度量，保证视频信息的完整性及行为识别的准确性。