Debido a la gran cantidad de datos de video de la fotografía aérea de UAV y al pequeño tamaño de los objetivos desde la perspectiva aérea, la detección de peatones en videos de drones sigue siendo un desafío. Para detectar objetos en imágenes de UAV de manera rápida y precisa, se propone un algoritmo de detección de peatones de pequeño tamaño basado en la fusión ponderada de cajas delimitadoras estáticas y dinámicas. Primero, se aplicó un algoritmo de filtración ponderada para cuadros redundantes utilizando el algoritmo de diferencia de píxeles entre cuadros en cascada con visión y similitud estructural, lo que resolvió la redundancia de los datos de video de UAV, reduciendo así el retraso. En segundo lugar, los conjuntos de datos de preentrenamiento y aprendizaje del detector se ajustaron en escala para abordar la pérdida de representación de características causada por la desajuste de escala entre conjuntos de datos. Finalmente, las cajas delimitadoras estáticas extraídas por YOLOv4 y las cajas delimitadoras de movimiento extraídas por LiteFlowNet fueron sometidas al algoritmo de fusión ponderada para mejorar la información semántica y resolver el problema de detecciones perdidas y múltiples en la detección de objetos de UAV. Los resultados experimentales mostraron que el método de reconocimiento de objetos pequeños propuesto en este documento permitió alcanzar un mAP del 70.91% y un IoU del 57.53%, que fueron un 3.51% y un 2.05% más altos que el algoritmo de detección de objetivos convencional.