运动表示在视频中的人类动作识别中发挥着至关重要的作用。本研究提出了一种新颖且紧凑的运动表示方法，用于视频动作识别，命名为光流引导特征（Optical Flow guided Feature, OFF），该方法通过快速而稳健的方式使网络能够提取时间信息。OFF源自光流的定义，并且与光流正交。其推导过程还为使用两帧之间的差异提供了理论支持。通过直接计算深度特征图的像素级时空梯度，OFF可以以较低的成本嵌入任何现有的基于卷积神经网络（CNN）的视频动作识别框架中。它使CNN能够同时提取时空信息，特别是帧间的时间信息。这一简单但强大的想法已通过实验结果得到了验证。仅使用RGB输入的带有OFF的网络在UCF-101数据集上达到了93.3%的竞争性准确率，这与双流（RGB和光流）方法的结果相当，但速度提高了15倍。实验结果还表明，OFF与其他运动模态（如光流）具有互补性。当将所提出的方法集成到最先进的视频动作识别框架中时，其在UCF-101和HMDB-51数据集上的准确率分别为96.0%和74.2%。该项目的代码可在https://github.com/kevin-ssy/Optical-Flow-Guided-Feature 获取。