1.复杂背景下双人交互行为识别方法，其特征在于，包括如下步骤：

步骤SS1：构建两层卷积叠加ISA网络，所述ISA网络用于对视频进行提取基于视频自动学习的时空特征；具体包含有局部时空样本提取、图层ISA1特征提取、图层ISA2特征提取三个步骤；

所述步骤SS1中的所述局部时空样本提取步骤，包括：使用密集采用得到视频时空样本，密集采样现在时空域进行视频缩放，然后从随机位置提取视频块提取视频块，得到最终样本；

所述步骤SS1中的所述图层ISA1特征提取步骤，包括：首先对小的输入图像块进行PCA降维，使用ISA算法学习权重矩阵，再将其与更大的图像块进行卷积，即把大图形拆分成不同的子块，单独计算子块特征，再将所有特征合并输出；

所述步骤SS1中的所述图层ISA2特征提取步骤，包括：先用PCA对第一层合并特征进行降维预处理，将其结果作为ISA2的输入，计算最终的样本特征；

步骤SS2：训练步骤，即采用训练集的全部双人交互行为视频，通过所述两层卷积叠加ISA网络提取训练集视频的时空特征，并用所述时空特征通过SPN结构学习算法得到SPN模型结构；

步骤SS3：识别步骤，即采用测试集的双人交互行为视频，通过所述两层卷积叠加ISA网络提取测试集视频的时空特征，并用所述的SPN模型获取对双人交互行为视频的识别结果。

2.根据权利要求1所述的复杂背景下双人交互行为识别方法，其特征在于，所述步骤SS2具体还包括：步骤SS21：变量划分，即使用图模型结合并查集结构的Indep-Graph Union-Find算法寻找连接子图，通过寻找无向图中的独立子集，将每一个子集中的元素独立于其他子集；

步骤SS22：实例划分，即使用DBSCAN聚类算法将相似的实例划分到同一子集中；

步骤SS23：生成SPN结构，即当划分子块的长度为1时生成单变量分布节点；大于等于1时判断进行变量划分或者实例划分；判断满足划分结束条件，若满足生成SPN结构。

3.根据权利要求1所述的复杂背景下双人交互行为识别方法，其特征在于，所述步骤SS3具体还包括：对输入样本首先进行线性变换得到线性特征响应，将其响应作为下一层的输入进行非线性变换得到ISA网络的最终输出；图层ISA1输入为16*16大小连续10帧图像，ISA每个子空间大小为2；图层ISA2提取大小为20*20连续14帧，每个子空间为4。