1.一种基于大数据分析的云计算平台数据存储方法，其特征在于，该方法包括：基于视频中行人的动作对视频进行分段处理，得到动作变化视频段集合；基于时序上行人动作的变化将动作变化视频段集合划分为若干动作变化视频段子集合，对每个动作变化视频段子集合中的动作变化视频段：基于该子集合中任意两个动作变化视频段的环境信息相似度对该子集合中的动作变化视频段进行分类，将满足预设条件的动作变化视频段加入第一视频段子集合；第一视频段子集合中任意两个动作变化视频段的相似度都满足预设条件；

基于划分图像块的方法将第一视频段子集合中的每个动作变化视频段划分为若干视频块，在第一视频段子集合所有动作变化视频段中处于同一位置的视频块的第一压缩系数的计算方法为：基于处于该位置的视频块与视频块间的环境信息的相似度、该位置视频块间环境信息的相似度与其他位置视频块间环境信息的相似度的变化趋势计算处于该位置的视频块的第一压缩系数；基于第一压缩系数对第一视频段子集合中的动作变化视频段进行压缩；

对经过压缩处理的动作变化视频段进行存储。

2.如权利要求1所述的方法，其特征在于，对视频进行分段处理后还得到单一动作视频段集合，所述单一动作视频段集合中每个单一动作视频段对应一个视频段类别，视频段类别包括站立、行走、跑；单一动作视频段的每帧图像中都有超过预设数量阈值的行人的动作类别与该单一动作视频段的视频段类别一致；

所述动作变化视频段集合中的动作变化视频段是单一动作视频段的视频段类别发生变化时两个单一动作视频段之间的视频。

3.如权利要求2所述的方法，其特征在于，所述两个动作变化视频段的相似度的计算方法为：将两个动作变化视频段依次输入神经网络中，得到两个环境特征向量，根据两个环境特征向量间的距离得到相似度；其中，所述环境信息是指行人以外的信息。

4.如权利要求3所述的方法，其特征在于，对一个动作变化视频段子集合中的动作变化视频段进行分类后还得到第二视频段子集合，若该动作变化视频段子集合中两个动作变化视频段的相似度满足预设条件，则将两个动作变化视频段归于第二视频段子集合。

5.如权利要求4所述的方法，其特征在于，所述第一压缩系数的计算方法为：将第一视频段子集合中的每个动作变化视频段都划分为N个视频块，第一视频段子集合中每个动作变化视频段的第n个视频块构成视频块集合xn，n的取值范围为[1，N]，计算集合xn中任意两个视频块的相似度，得到相似度集合yn，根据集合yn中的所有相似度计算相似度均值与相似度方差，相似度均值与相似度方差的比值为an；

设置滑动窗口，分别以视频块集合xn中每个视频块为中心对集合xn进行滑窗，基于滑动窗口中任意两个视频块的相似度得到相似度矩阵，基于每个相似度矩阵的特征值得到bn；an与bn的乘积为βn；

获取坐标点Snm＝(Snij，Smij)，Snij表示第一视频段子集合中第i个动作变化视频段的第n个视频块与第j个动作变化视频段的第n个视频块的相似度，Smij表示第一视频段子集合中第i个动作变化视频段的第m个视频块与第j个动作变化视频段的第m个视频块的相似度，视频块集合xm的获取方法和获取视频块集合xn的方法相同，m的取值范围为[1，N]，且m不等于n；对坐标点进行聚类，得到若干坐标点类别，基于所有坐标点类别中坐标点对应的视频块得到图结构，将图结构划分为子图结构，基于包括第n个视频块的子图结构中的权值计算第n个视频块的协同度γn；

基于an、βn、γn得到每个动作变化视频段中第n个视频块的第一压缩系数。

6.如权利要求5所述的方法，其特征在于，所述聚类具体为：将二维坐标点(Snij，Smij)转换为四维坐标点(n，m，Snij，Smij)，对四维坐标点进行聚类，得到若干坐标点类别，每个坐标点类别中所有四维坐标点对应的(n，m)相同。

7.如权利要求6所述的方法，其特征在于，所述图结构的获取方法为：获取所有坐标点类别中坐标点对应的视频块，将每个视频块视为一个节点，将每个坐标点类别对应的节点相连后进行相同节点的融合，相连的两个节点间权值为1；选择两个相连的节点为两个原始点，寻找与原始点相连的邻接点，获取原始点、与原始点相连的邻接点的邻接坐标点类别，获取两个原始点的初始坐标点类别，计算邻接坐标点类别与初始坐标点类别间的类别权值，基于最大类别权值更新两个原始点间的权值。

8.如权利要求7所述的方法，其特征在于，所述类别权值的计算方法为：对于两个坐标点类别，获取每个坐标点类别中所有坐标点对应的动作变化视频段的个数，重复出现的动作变化视频段只统计一次，每个坐标点类别对应的动作变化视频段的个数与第一视频段子集合中的动作变化视频段总个数的比值为该坐标点类别的视频占比；两个坐标点类别的视频占比的均值为δ；根据每个坐标点类别中的所有坐标点获取每个坐标点类别对应的动作变化视频段，计算两个坐标点类别对应的动作变化视频段的交并比ε，δ和ε的乘积为类别权值。

9.如权利要求8所述的方法，其特征在于，所述基于最大类别权值更新两个原始点间的权值为以最大类别权值与初始坐标点类别视频占比的乘积更新两个原始点间的权值。

10.如权利要求4所述的方法，其特征在于，对单一动作视频段集合、第二视频段子集合中的视频段按照预设的第二压缩系数进行压缩。