本发明涉及一种基于CLIP模型图文双支共享机制的动作识别方法，包括：获取待识别视频并分为多帧RGB图；将多帧RGB图输入至动作识别模型，得到待识别视频中主体的动作类别；其中，动作识别模型中的视觉‑文本信息共享模块用于形成共享token；时空增强模块用于重塑图像特征序列以及更新共享token；图像特征提取部分用于结合视觉‑文本信息共享模块和时空增强模块提取多帧RGB图的视觉特征；文本特征提取部分用于结合视觉‑文本信息共享模块从类别文本中提取文本特征；相似度计算模块，用于计算文本特征和视觉特征的相似度，将相似度最大的类别作为待识别视频中主体的动作类别。本发明能达到准确、高效的行为识别性能。