1.一种视频处理方法，其特征在于，包括：

步骤100、获取视频的第一帧图像以及当前帧图像，并分别将所述第一帧图像及当前帧图像输入到卷积神经网络；

步骤200、分别对所述第一帧图像、当前帧图像进行特征映射获取第一特征向量、第二特征向量，并利用所述第一特征向量、第二特征向量获取所述第一特征向量对所述第二特征向量的加权因子；

步骤300、利用所述加权因子对第二高维特征进行加权，获取第三高维特征，利用第一高维特征、第二高维特征获取所述第一帧图像相对于所述当前帧图像的差分特征，并将所述差分特征与所述第二高维特征进行聚合，获取第四高维特征；

步骤400、将所述第三高维特征与所述第四高维特征按照通道进行拼接，获取当前帧图像的目标特征，并将所述目标特征输入所述卷积神经网络的解码器进行解码，获取当前帧图像掩码；

所述步骤200包括：

步骤210、分别获取对应所述第一帧图像的第一高维特征、对应所述当前帧图像的第二高维特征；

步骤220、计算所述第一高维特征所有特征点对应的第一特征向量、计算所述第二高维特征所有特征点对应的第二特征向量；

步骤230、获取所述第一特征向量中的特征点对于所述第二特征向量中的对应特征点的加权因子，并利用所述加权因子获取所有特征点对应的加权矩阵；

将第一高维特征、第二高维特征中的每个特征点视为一个特征向量，令 、 分别表示第一高维特征中第j个特征点的第一特征向量、第二高维特征第i个特征点的第二特征向量；

则加权因子 （1）；

所述步骤300包括：

步骤310、将所述加权矩阵与所述第二高维特征进行相乘，并利用学习参数进行加权，获取补偿特征；

步骤320、将所述补偿特征与所述第二高维特征进行求和，获取第三高维特征；

步骤330、对所述第一高维特征与所述第二高维特征进行差分计算，获取差分特征。

2.一种视频处理系统，采用如权利要求1所述的处理方法，其特征在于，所述视频处理系统基于卷积神经网络构建，包括图像获取模块、第一计算模块、第二计算模块、特征提取模块及拼接模块；

所述图像获取模块用于将获取的第一帧图像、当前帧图像输入到卷积神经网络；所述特征提取模块用于分别对所述第一帧图像、当前帧图像进行特征映射获取第一特征向量、第二特征向量；所述第一计算模块用于获取所述第一特征向量相对于所述第二特征向量的加权因子，并利用所述加权因子对第二高维特征进行加权，获取第三高维特征；所述第二计算模块用于获取所述第一帧图像相对于所述当前帧图像的差分特征并将所述差分特征与所述第二高维特征进行聚合，获取第四高维特征；所述拼接模块用于将所述第三高维特征与所述第四高维特征按照通道进行拼接，获取当前帧图像的目标特征，并将所述目标特征输入所述卷积神经网络的解码器进行解码，获取当前图像掩码。

3.根据权利要求2所述的视频处理系统，其特征在于，所述特征提取模块还用于：通过特征映射分别获取所述第一帧图像的第一高维特征、所述当前帧图像的第二高维特征。

4.根据权利要求3所述的视频处理系统，其特征在于，所述特征提取模块还用于：获取所述第一高维特征所有特征点对应的第一特征向量以及所述第二高维特征所有特征点对应的第二特征向量。

5.根据权利要求4所述的视频处理系统，其特征在于，所述第二计算模块还用于：对所述第一高维特征与所述第二高维特征进行差分运算，获取差分特征。