1.一种基于可控特征空间的神经网络视频去模糊方法，其特征在于：包括以下步骤：

(1)从部分输入中获取短期时序信息，并从所有输入中获取长期时序信息；

(2)从所有输入中获取全局空间信息，并对长期时序信息再次进行检测；

(3)利用长期时序信息和短期时序信息计算多帧之间的联系，之后，使用全局空间信息在特征空间中进行去模糊，并将全局信息再次注入特征空间以控制特征空间；

(4)将去模糊后的多帧序列从特征空间中还原为清晰视频序列。

2.根据权利要求1所述的一种基于可控特征空间的神经网络视频去模糊方法，其特征在于：步骤(1)，利用若干卷积层和非线性激活层组成一个轻量级的VGG网络，从所有输入序列中获取长期时序联系，并通过若干循环神经网络结构从部分序列中获取相应的短期时序联系，所有视频序列将会平均分配给所有循环神经网络结构；同时，利用循环神经网络结构将检测到的短期时序联系与长期时序联系进行融合，得到长短期时序联系。

3.根据权利要求1所述的一种基于可控特征空间的神经网络视频去模糊方法，其特征在于：步骤(2)，将所有输入序列作为整体输入到若干卷积层中，利用堆叠的卷积层擅于获取高维度信息的能力，获取每一帧上像素之间的空间信息以及帧与帧之间的全局信息。

4.根据权利要求1所述的一种基于可控特征空间的神经网络视频去模糊方法，其特征在于：步骤(3)，将步骤(1)中获取到的长短期时序联系作为输入，通过若干卷积层计算帧与帧之间的相互联系，并初步实现输入序列的去模糊操作。

5.根据权利要求4所述的一种基于可控特征空间的神经网络视频去模糊方法，其特征在于：将步骤(2)中获取到的全局信息和初步去模糊结果作为输入，通过循环神经网络实现进一步的去模糊操作。

6.根据权利要求5所述的一种基于可控特征空间的神经网络视频去模糊方法，其特征在于：全局信息被平均分配给循环神经网络中的循环单元，以此实现对特征空间的控制。

7.根据权利要求1所述的一种基于可控特征空间的神经网络视频去模糊方法，其特征在于：步骤(4)，在得到去模糊后的神经网络特征之后，通过若干卷积层实现清晰视频序列的恢复；同时，通过两个全局跳跃连接保持恢复序列的基本特性。