本发明公开了一种基于多域融合深度学习的毫米波雷达头部动作识别方法，包括以下步骤：步骤1、采集人的头部动作数据；步骤2、预处理，得到时间‑距离图、时间‑多普勒图；步骤3、对时间‑距离图进行特征提取；步骤4、对多通道时间‑多普勒图进行特征提取；步骤5、将提取到的距离特征和时频特征混合后，进行二维卷积；步骤6、采用空间注意力机制和通道注意力机制进行权重分配；步骤7、在全连接层中间加入dropout层。本发明利用卷积神经网络，结合多域和多种时频图对毫米波雷达采集的头部动作数据进行分类，同时采用通道注意力机制和空间注意力机制模块，增强了对易混淆动作的识别效果，提升了头部动作识别的准确率。