نقدم خوارزمية جديدة لاختيار الإطارات المفيدة في التعرف على الحركات في الفيديو. تم تصميم نهجنا لفيديوهات جوية تم التقاطها باستخدام كاميرا متحركة، حيث يشغل الممثلون البشريون مساحة صغيرة في دقة الفيديو. تعتمد خوارزميتنا على الانحياز الحركي الموجود في الفيديوهات الجوية، مما يتيح اختيار الإطارات ذات الأهمية الحركية العالية. نُقدّم مفهوم "درجة التبادلية بين اللوحات" (PMI)، التي تُستخدم لقياس الانحياز الحركي بين الإطارات المجاورة من خلال قياس تشابه اللوحات. نستخدم هذه الدرجة لتقييم كمية المعلومات الحركية التمييزية المحتوية في إطار معين مقارنةً بآخر. كما نقدم استراتيجية مُعدّلة لاختيار الإطارات باستخدام دالة التنشيط المنخفضة المُؤقّتة (shifted leaky ReLU) ودالة التوزيع التراكمي، والتي تضمن أن الإطارات المختارة تغطي بشكل شامل جميع الأجزاء الأساسية ذات الأهمية الحركية العالية. يمكن دمج نهجنا مع أي نموذج للتعريف بالحركة لتحسين دقة الأداء. وفي التطبيق العملي، حققنا تحسّناً نسبياً في دقة الدرجة الأولى (top-1) تتراوح بين 2.2% إلى 13.8% على مجموعة بيانات UAV-Human، و6.8% على مجموعة بيانات NEC Drone، و9.0% على مجموعة بيانات Diving48.