Los drones de baja altitud, que no se ven obstaculizados por la congestión del tráfico o el terreno urbano, se han convertido en un activo crítico en las misiones de rescate de emergencia. Para abordar la actual falta de datos de rescate de emergencia, se recopilaron videos aéreos de UAV para crear un conjunto de datos experimental para la clasificación de acciones y la anotación de localización. Se etiquetaron un total de 5082 fotogramas clave con 1-5 objetivos cada uno, y se prepararon 14,412 instancias de datos (incluyendo altitud de vuelo y ángulos de cámara) para la clasificación de acciones y la anotación de posición. Para mitigar los desafíos que plantea el metraje de drones de alta resolución con información redundante excesiva, proponemos el marco SlowFast-Traffic (SF-T), un algoritmo basado en secuencias espaciotemporales para reconocer acciones de rescate en accidentes de tráfico. Para una extracción más eficiente de características de correlación entre el objetivo y el fondo, introducimos el módulo Actor-Centric Relation Network (ACRN), que emplea agrupamiento máximo temporal para mejorar las características en la dimensión temporal de fondos estáticos, reduciendo significativamente la interferencia inducida por la redundancia. Además, se adoptan salidas de mapas de características ROI más pequeñas para aumentar la velocidad de cálculo. Para abordar el desequilibrio de clases en las muestras de incidentes, integramos una función de Pérdida Focal Balanceada por Clase (CB-Focal Loss), resolviendo efectivamente el reconocimiento de acciones raras en escenarios de rescate específicos. Reemplazamos el Faster R-CNN original con YOLOX-s para mejorar la tasa de detección de objetivos. En nuestro conjunto de datos propuesto, el modelo SF-T logra una precisión media promedio (mAP) del 83.9%, que es un 8.5% más alta que la de la arquitectura SlowFast estándar, manteniendo una velocidad de procesamiento de 34.9 tareas/s. Tanto las métricas relacionadas con la precisión como la eficiencia computacional se mejoran sustancialmente. El método propuesto demuestra una fuerte robustez y capacidades de análisis en tiempo real para el reconocimiento de acciones de rescate en tráfico moderno.