1.一种视频编解码方法，其特征在于，包括以下步骤：S1、分别提取视频帧序列的3D特征和2D特征；

S2、对所述3D特征进行处理，获得关键特征；将所述关键特征与所述2D特征按时间序列叠加，构建融合特征；

S3、在时刻t对融合特征进行编码，通过softmax函数获得归一化权重，将融合特征与归一化权重相乘，获得新的融合特征；

S4、将新的融合特征输入到长短期记忆网络中，得到关于所述视频帧序列的描述句子；

步骤S2中，利用由多组N个柯西分布构成的行为滤波器KC与3D特征vt进行矩阵乘法运算，得到关键特征Sct。

2.根据权利要求1所述的视频编解码方法，其特征在于，步骤S1中，利用3D卷积神经网络提取所述视频帧序列的3D特征。

3.根据权利要求1所述的视频编解码方法，其特征在于，步骤S1中，利用2D卷积神经网络提取所述视频帧序列的2D特征。

4.根据权利要求3所述的视频编解码方法，其特征在于，所述2D卷积神经网络采用经过ImageNet预训练的Inception v3网络作为骨干网络。

5.根据权利要求1所述的视频编解码方法，其特征在于，所述视频帧序列获取方法为：从整段视频中采样固定数量的帧，构成所述视频帧序列。

6.一种视频编解码系统，其特征在于，包括：

第一提取单元，用于提取视频帧序列的3D特征；

第二提取单元，用于提取视频帧序列的2D特征；

第三提取单元，用于提取所述3D特征的关键信息；所述第三提取单元具体执行如下操作：利用由多组N个柯西分布构成的行为滤波器KC与3D特征vt进行矩阵乘法运算，得到关键特征Sct；

第一融合单元，用于将所述关键特征与所述2D特征按时间序列叠加，构建融合特征；

第二融合单元，用于在时刻t对融合特征进行编码，通过softmax函数获得归一化权重，将融合特征与归一化权重相乘，获得新的融合特征；

长短期记忆网络，用于在输入新的融合特征后，输出关于所述视频帧序列的描述句子。

7.根据权利要求6所述的系统，其特征在于，所述第一提取单元为3D卷积神经网络。

8.根据权利要求6所述的系统，其特征在于，第二提取单元为2D卷积神经网络。