本发明涉及行为识别技术领域，具体的说是一种基于深度学习的信号相关行为识别方法及系统，对于传感器采集的信号，利用数据预处理中的差分来提升数据量，利用多输入卷积神经网络与人工指定统计量共同进行特征提取，利用适合的参数最优化后的机器学习分类器进行分类识别，与已有算法相比，本发明可提升人体行为识别的准确率，进行更为准确的识别；具有实现简单，在行为识别领域智能产品应用方面具备实用价值，易于进行普及推广等优势。