双人交互行为识别方法往往忽略交互无关动作的干扰，以及忽略视角变化导致空间关系失真，进而造成相似动作混淆以及模型泛化能力下降问题。针对以上问题，本文提出一种基于卷积神经网络(CNN)与长短期记忆网络(LSTM)的多特征流融合模型——CL-GLA模型。首先，提出一种全局—局部融合注意力(GLA)模块抑制交互无关肢体的特征。然后，引入二维离散小波变换(2D-DWT)在空间—频率域多尺度构建视角不变特征，减小视角变化带来的影响。最后，分层融合个体与双人交互动作特征，细粒度分析动作并捕获交互关系。通过在UT-Interaction和NTU RGB+D数据集上实验，所提方法准确率优于对比的相关方法，分别取得98.7±0.7%

97.3±0.9%

93.6±0.1%和94.6±0.1%的准确率。