1.一種應(yīng)用在視頻監(jiān)控中的人臉超分辨率重建與識別方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的一種應(yīng)用在視頻監(jiān)控中的人臉超分辨率重建與識別方法，其特征在于，步驟s3中，偏移空洞卷積-轉(zhuǎn)置殘差塊中的具體處理流程如下：將輸入到偏移空洞卷積-轉(zhuǎn)置殘差塊的特征圖經(jīng)過第一偏移空洞逐點卷積層，將輸入特征圖的特征通道分離，得到第一特征圖，將第一特征圖依次經(jīng)過第一深度卷積層、第二偏移空洞逐點卷積層、第二深度卷積層、第三偏移空洞逐點卷積層以及第三深度卷積層處理后，得到第二特征圖，將第一特征圖和第二特征圖相加，得到第三特征圖，將輸入的特征圖與第三特征圖和第一特征圖進行拼接，得到第一拼接特征圖，將第一拼接特征圖經(jīng)過第四偏移空洞逐點卷積層處理后，得到偏移空洞卷積-轉(zhuǎn)置殘差塊的輸出。
3.如權(quán)利要求2所述的一種應(yīng)用在視頻監(jiān)控中的人臉超分辨率重建與識別方法，其特征在于，第一深度卷積層、第二深度卷積層以及第三深度卷積層的卷積核大小均為3×3。
4.如權(quán)利要求1所述的一種應(yīng)用在視頻監(jiān)控中的人臉超分辨率重建與識別方法，其特征在于，步驟s3中，偏移空洞卷積-自注意力機制模塊中的具體處理流程如下：將輸入到偏移空洞卷積-自注意力機制模塊的特征圖經(jīng)過第五偏移空洞逐點卷積層，將輸入特征圖的特征通道分離，得到第四特征圖，將第四特征圖輸入到多頭自注意力機制模塊，得到第五特征圖，將第四特征圖和第五特征圖相加，得到第六特征圖，將第六特征圖輸入到前饋神經(jīng)網(wǎng)絡(luò)，得到第七特征圖，將第六特征圖和第七特征圖相加后再與第四特征圖進行拼接，得到第二拼接特征圖，將第二拼接特征圖經(jīng)過第六偏移空洞逐點卷積層處理后，得到偏移空洞卷積-自注意力機制模塊的輸出。
5.如權(quán)利要求1所述的一種應(yīng)用在視頻監(jiān)控中的人臉超分辨率重建與識別方法，其特征在于，步驟s3中，空間聚合模塊中的具體處理流程如下：將輸入到空間聚合模塊的特征圖依次經(jīng)過層歸一化，得到第一層歸一化特征圖，第一層歸一化特征圖再經(jīng)過特征投影層，得到第一空間特征重塑矩陣；對第一空間特征重塑矩陣處理后，得到空間查詢矩陣、空間鍵矩陣以及空間值矩陣，由空間查詢矩陣和空間鍵矩陣進行矩陣相乘并應(yīng)用空間自注意力機制由softmax激活函數(shù)處理后，輸出第一空間特征圖，將空間值矩陣和第一空間特征圖進行矩陣相乘，得到第二空間特征重塑矩陣，將第二空間特征重塑矩陣依次經(jīng)過第一逐點卷積層、閾值可調(diào)節(jié)的激活函數(shù)、第二逐點卷積層、sigmoid激活函數(shù)處理后，得到第一空間權(quán)重圖；將第一空間特征重塑矩陣經(jīng)過第一深度可分離卷積層處理，輸出第二空間特征圖，將第二空間特征圖依次經(jīng)過第三逐點卷積層、閾值可調(diào)節(jié)的激活函數(shù)、第四逐點卷積層、sigmoid激活函數(shù)處理后，得到第二空間權(quán)重圖；將第二空間權(quán)重圖與第二空間特征重塑矩陣的對應(yīng)元素進行元素級相乘，得到第一空間加權(quán)特征，將第一空間權(quán)重圖與第二空間特征圖的對應(yīng)元素進行元素級相乘，得到第二空間加權(quán)特征，將第一空間加權(quán)特征和第二空間加權(quán)特征相加后經(jīng)過一個特征投影層，得到第三空間特征重塑矩陣，將第一層歸一化特征圖與第三空間特征重塑矩陣相加后，得到第三空間特征圖，將第三空間特征圖依次經(jīng)過層歸一化以及門控機制反饋網(wǎng)絡(luò)處理后，得到第四空間特征圖，將第三空間特征圖和第四空間特征圖相加后作為空間聚合模塊的輸出。
6.如權(quán)利要求1所述的一種應(yīng)用在視頻監(jiān)控中的人臉超分辨率重建與識別方法，其特征在于，步驟s3中，通道聚合模塊中的具體處理流程如下：將輸入到通道聚合模塊的特征圖依次經(jīng)過層歸一化，得到第二層歸一化特征圖，第二層歸一化特征圖再經(jīng)過特征投影層，得到第一通道特征重塑矩陣；對第一通道特征重塑矩陣處理后，得到通道查詢矩陣、通道鍵矩陣以及通道值矩陣，由通道查詢矩陣和通道鍵矩陣進行矩陣相乘并應(yīng)用通道自注意力機制由softmax激活函數(shù)處理后，輸出第一通道特征圖，將通道值矩陣和第一通道特征圖進行矩陣相乘，得到第二通道特征重塑矩陣，將第二通道特征重塑矩陣依次經(jīng)過第五逐點卷積層、閾值可調(diào)節(jié)的激活函數(shù)、第六逐點卷積層、sigmoid激活函數(shù)處理后，得到第一通道權(quán)重圖；將第一通道特征重塑矩陣經(jīng)過第二深度可分離卷積層處理，輸出第二通道特征圖，將第二通道特征圖依次經(jīng)過第七逐點卷積層、閾值可調(diào)節(jié)的激活函數(shù)、第八逐點卷積層、sigmoid激活函數(shù)處理后，得到第二通道權(quán)重圖；將第二通道權(quán)重圖與第二通道特征重塑矩陣的對應(yīng)元素進行元素級相乘，得到第一通道加權(quán)特征，將第一通道權(quán)重圖與第二通道特征圖的對應(yīng)元素進行元素級相乘，得到第二通道加權(quán)特征，將第一通道加權(quán)特征和第二通道加權(quán)特征相加后經(jīng)過一個特征投影層，得到第三通道特征重塑矩陣，將第二層歸一化特征圖與第三通道特征重塑矩陣相加后，得到第三通道特征圖，將第三通道特征圖依次經(jīng)過層歸一化以及門控機制反饋網(wǎng)絡(luò)處理后，得到第四通道特征圖，將第三通道特征圖和第四通道特征圖相加后作為通道聚合模塊的輸出。
7.如權(quán)利要求5或6所述的一種應(yīng)用在視頻監(jiān)控中的人臉超分辨率重建與識別方法，其特征在于，門控機制反饋網(wǎng)絡(luò)中的具體處理流程如下：將輸入到門控機制反饋網(wǎng)絡(luò)的特征圖依次經(jīng)過一個線性投影層、閾值可調(diào)節(jié)的激活函數(shù)以及沿通道維度進行的特征分離操作后，將特征分離得到的第一部分經(jīng)過第三深度可分離卷積層處理，得到第八特征圖，將第八特征圖和特征分離得到的第二部分的對應(yīng)元素進行元素級相乘，得到第九特征圖，將第九特征圖經(jīng)過線性投影層后，得到門控機制反饋網(wǎng)絡(luò)的輸出。
8.如權(quán)利要求7所述的一種應(yīng)用在視頻監(jiān)控中的人臉超分辨率重建與識別方法，其特征在于，閾值可調(diào)節(jié)的激活函數(shù)的函數(shù)形式為：
9.如權(quán)利要求1所述的一種應(yīng)用在視頻監(jiān)控中的人臉超分辨率重建與識別方法，其特征在于，關(guān)鍵模塊的數(shù)量為正整數(shù)且為3的倍數(shù)。
10.一種應(yīng)用在視頻監(jiān)控中的人臉超分辨率重建與識別系統(tǒng)，其特征在于，包括：