一种基于稀疏融合的在线碳语义地图构建方法，所述方法包括以下步骤：1)对输入视频进行时空分片处理，分成视频片段集合p和关键帧片段集合x；2)提取视频片段集合p的多速率运动特征，然后通过快特征与慢特征的插值对齐模块得到时域运动特征；3)提取关键帧片段集合x的多尺度空间特征，然后通过多尺度特征对齐模块得到对齐后的空域特征；4)融合对齐后的时域运动特征与空域特征得到一个具有时空感知特性的视频动作质量特征，然后进入质量回归模块得到视频动作质量评价分数。本发明利用非常稀疏的图片帧来提取空间特征和具有非常低空间分辨率的密集视频帧来提取运动特征，在提高精度的同时降低了计算复杂度，更适合边缘设备的部署应用。