摘要

我们提出了一种面向无人机航拍视频动作识别的新型方法。该方法专为无人机（UAV）拍摄的视频设计，可在边缘设备或移动终端上高效运行。我们提出了一种基于学习的解决方案，采用定制化的自动变焦技术，能够自动检测人体目标并将其缩放到合适的尺度，从而更易于提取关键特征，同时显著降低计算开销。此外，我们还设计了一种高效的时序推理算法，可在可控的计算成本下，有效捕捉空间与时间维度上的动作信息。所提方法已在桌面端（配备高端GPU）以及低功耗的机器人RB5平台（适用于机器人与无人机）上实现并完成评估。实验结果表明，在RoCoG-v2数据集上，我们的方法在Top-1准确率上相较当前最优（SOTA）方法提升了6.1%至7.4%；在UAV-Human数据集上提升8.3%至10.4%；在Drone Action数据集上提升3.2%，验证了该方法在实际应用中的优越性能与高效性。