本申请公开了一种动作检测方法和装置、存储介质及电子设备。其中，该方法包括：获取目标图像序列和目标文本信息；将目标图像序列和目标文本信息输入至预训练的目标检测模型，得到目标检测结果，其中，目标检测结果包括目标检测框、目标动作类别以及目标置信度，目标检测模型用于通过交叉注意力机制对目标图像序列和目标文本信息进行融合处理，得到目标融合特征，并通过交叉注意力机制对目标融合特征和目标图像序列与目标文本信息分别进行融合处理，得到目标多模态特征，根据目标多模态特征确定目标检测框、目标动作类别以及目标置信度。本申请解决了动作检测的准确率较低的技术问题。