超低延迟传输、高带宽和无处不在的接入点极大地缓解了流媒体直播服务的“最后一英里”问题。然而,在传输之前,高分辨率视频的复杂压缩编码仍然是不可避免的,这导致轻型视频采集器的工作负载过重。对于计算密集型和延迟敏感型应用,边缘计算是一种很有前途的解决方案,在计算卸载方面有着突出的优势。它旨在增强网络边缘的分布式资源,并为移动用户快速部署近距离服务。在以往的工作中,基于边缘计算的任务卸载已经有了大量成功的用例,包括增强现实、人脸识别、物联网分析等场景。本文针对重量和电量受限、运动轨迹短时变化小的无人机的视频编码传输场景,提出了结合边缘计算的无人机视频编码框架,实现无人机视频编码负载向边缘节点转移。具体工作如下:（1）在边缘节点上,使用深度学习对获得的历史帧图像进行目标检测,分割出图像中随无人机摄像机运动而运动的背景区域和可能具有自主运动的前景区域,例如人、车等。将分割信息传输给无人机用于视频未来帧的编码,同时将分割信息随视频传输给客户端,间接实现客户端目标检测任务的卸载。（2）在无人机上,使用从边缘节点能够获得前后景分割信息的距离当前待编码帧最近的一帧作为参考帧,借助参考帧的分割信息分割当前编码帧。对于当前编码帧的前景区域使用双向搜索求运动矢量,对于背景区域使用计算复杂度更低的全局运动估计,以全局运动参数代替运动矢量来整体表示背景区域的运动,达到降低编码复杂度的目的。实验结果证明,本文提出的无人机与边缘节点联合视频编码方案,能够保证在很小的码率损失下,极大地降低无人机上视频编码器的编码复杂度,同时在客户端获得较好的目标检测结果。