1.一种基于观看人数序列的视频质检方法，其特征在于，包括：获取视频训练集中每一视频数据对应的视频时长，根据预设的视频分组数和预设的视频时长阈值集合，将所述视频训练集根据视频时长划分有对应视频分组数的视频训练子集；

获取各个视频训练子集中每一个视频数据对应的视频观看人数时间序列，通过三阶指数平滑法计算各视频观看人数时间序列分别对应的视频观看人数衰减率；

获取各个视频训练子集中每一个视频数据对应的视频画像，通过每一个视频数据对应的视频画像获取视频训练集中每一个视频数据对应的视频特征向量；其中，视频画像包括视频类别特征、视频时长特征、上线日期特征、讲师特征、受众群特征；

通过各视频训练子集分别进行模型训练，得到与各视频训练子集分别对应的预测子模型；其中，所述预测子模型用于根据视频数据对应的视频特征向量预测视频观看人数衰减率；

若接收到当前视频数据，获取所述当前视频数据对应的当前视频时长，根据所述当前视频时长及各视频训练子集分别对应的视频时长区间，获取所述当前视频数据对应所属于的目标视频训练子集，及所述目标视频训练子集对应的目标预测子模型；

将所述当前视频数据对应的当前视频特征向量作为所述目标预测子模型的输入进行运算，得到所述当前视频数据对应的当前视频观看人数衰减率；

获取所述当前视频数据对应的当前视频实际观看人数时间序列，并获取所述当前视频数据对应的实际观看人数基数，根据所述实际观看人数基数和所述当前视频观看人数衰减率对应的当前视频观看人数衰减率曲线进行运算，得到所述当前视频数据对应的当前视频预估观看人数时间序列；以及

将所述当前视频实际观看人数时间序列与所述当前视频预估观看人数时间序列求差，得到趋势时间序列。

2.根据权利要求1所述的基于观看人数序列的视频质检方法，其特征在于，还包括：获取所述当前视频实际观看人数时间序列对应的实际观看人数衰减率，将所述实际观看人数衰减率与所述当前视频观看人数衰减率求差，得到比较结果；

获取所述趋势时间序列中的正值区间、负值区间和零值区间；

将所述当前视频数据所述正值区间对应的正值时间区间、所述零值区间对应的零值时间区间、所述负值区间对应的负值时间区间进行视频关键时间节点标注，得到标注后视频数据。

3.根据权利要求1所述的基于观看人数序列的视频质检方法，其特征在于，还包括：根据所述正值区间对应的正值时间区间在所述当前视频数据中截取获取对应的第一目标视频数据；

将所述第一目标视频数据进行语音识别，得到对应的第一目标文本。

4.根据权利要求1所述的基于观看人数序列的视频质检方法，其特征在于，所述获取各个视频训练子集中每一个视频数据对应的视频观看人数时间序列，包括：获取视频训练子集对应视频时长类型；

若视频训练子集对应第一视频时长类型，获取预先设置的第一视频截取时长和预先设置的第一间隔时间，将视频训练子集中每一视频数据根据所述第一视频截取时长对应截取第一目标时长视频数据，获取各个第一目标时长视频数据根据所述第一间隔时间划分后每一时间子区间左端点上的视频观看人数并进行归一化，得到与视频训练子集中每一视频数据分别对应的视频观看人数时间序列；

若视频训练子集对应第二视频时长类型，获取预先设置的第二视频截取时长和预先设置的第二间隔时间，将视频训练子集中每一视频数据根据所述第二视频截取时长对应截取第二目标时长视频数据，获取各个第二目标时长视频数据根据所述第二间隔时间划分后每一时间子区间左端点上的视频观看人数并进行归一化，得到与视频训练子集中每一视频数据分别对应的视频观看人数时间序列；

若视频训练子集对应第三视频时长类型，获取预先设置的第三视频截取时长和预先设置的第三间隔时间，将视频训练子集中每一视频数据根据所述第三视频截取时长对应截取第三目标时长视频数据，获取各个第三目标时长视频数据根据所述第三间隔时间划分后每一时间子区间左端点上的视频观看人数并进行归一化，得到与视频训练子集中每一视频数据分别对应的视频观看人数时间序列。

5.根据权利要求1所述的基于观看人数序列的视频质检方法，其特征在于，所述通过三阶指数平滑法计算各视频观看人数时间序列分别对应的视频观看人数衰减率，包括：通过累加三次指数平滑法计算各视频观看人数时间序列分别对应的视频观看人数衰减曲线；

通过最小二乘法获取各视频观看人数衰减曲线对应的视频观看人数衰减率。

6.根据权利要求1所述的基于观看人数序列的视频质检方法，其特征在于，所述获取所述当前视频数据对应的实际观看人数基数，根据所述实际观看人数基数和所述当前视频观看人数衰减率对应的当前视频观看人数衰减率曲线进行运算，得到所述当前视频数据对应的当前视频预估观看人数时间序列，包括：根据所述当前视频观看人数衰减率得到当前视频观看人数衰减率曲线；

获取目标视频训练子集对应的目标视频截取时长，根据所述目标视频截取时长截取当前视频观看人数衰减率曲线中对应的目标部分，得到当前目标衰减率曲线；

获取目标视频训练子集对应的目标间隔时间，以原点为起始点并根据所述目标间隔时间依序从当前目标衰减率曲线上取点，组成当前初始时间序列；

将当前初始时间序列中的各序列值均乘以实际观看人数基数，组成当前视频预估观看人数时间序列。

7.根据权利要求2所述的基于观看人数序列的视频质检方法，其特征在于，所述获取所述当前视频实际观看人数时间序列对应的实际观看人数衰减率，将所述实际观看人数衰减率与所述当前视频观看人数衰减率求差，得到比较结果之后，还包括：若所述比较结果大于0，将当前视频数据进行第一视频等级值标注；

若所述比较结果等于0，将当前视频数据进行第二视频等级值标注；

若所述比较结果小于0，将当前视频数据进行第三视频等级值标注。

8.一种基于观看人数序列的视频质检装置，其特征在于，包括：视频训练集分组单元，用于获取视频训练集中每一视频数据对应的视频时长，根据预设的视频分组数和预设的视频时长阈值集合，将所述视频训练集根据视频时长划分有对应视频分组数的视频训练子集；

第一衰减率获取单元，用于获取各个视频训练子集中每一个视频数据对应的视频观看人数时间序列，通过三阶指数平滑法计算各视频观看人数时间序列分别对应的视频观看人数衰减率；

视频特征向量获取单元，用于获取各个视频训练子集中每一个视频数据对应的视频画像，通过每一个视频数据对应的视频画像获取视频训练集中每一个视频数据对应的视频特征向量；其中，视频画像包括视频类别特征、视频时长特征、上线日期特征、讲师特征、受众群特征；

预测子模型训练单元，用于通过各视频训练子集分别进行模型训练，得到与各视频训练子集分别对应的预测子模型；其中，所述预测子模型用于根据视频数据对应的视频特征向量预测视频观看人数衰减率；

当前视频数据分组单元，用于若接收到当前视频数据，获取所述当前视频数据对应的当前视频时长，根据所述当前视频时长及各视频训练子集分别对应的视频时长区间，获取所述当前视频数据对应所属于的目标视频训练子集，及所述目标视频训练子集对应的目标预测子模型；

第二衰减率获取单元，用于将所述当前视频数据对应的当前视频特征向量作为所述目标预测子模型的输入进行运算，得到所述当前视频数据对应的当前视频观看人数衰减率；

预估序列获取单元，用于获取所述当前视频数据对应的当前视频实际观看人数时间序列，并获取所述当前视频数据对应的实际观看人数基数，根据所述实际观看人数基数和所述当前视频观看人数衰减率对应的当前视频观看人数衰减率曲线进行运算，得到所述当前视频数据对应的当前视频预估观看人数时间序列；以及趋势时间序列获取单元，用于将所述当前视频实际观看人数时间序列与所述当前视频预估观看人数时间序列求差，得到趋势时间序列。

9.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于观看人数序列的视频质检方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7任一项所述的基于观看人数序列的视频质检方法。