1.一种视频码率控制方法，其特征在于，包括：

A、获取视频I帧以及所述视频I帧的信息特征，所述信息特征包括所述视频I帧的量化参数；

B、利用预设滤波核对所述视频I帧中每个编码树单元的内容特征进行提取，所述内容特征包括能量特征、强度特征、形状特征以及平滑性特征；所述预设滤波核包括方向不同的四个滤波核，方向分别为0度、45度、90度和135度；

C、根据当前编码树单元的所述内容特征以及所述视频I帧的当前剩余码率确定为所述当前编码树单元分配的实际码率；

D、将所述当前编码树单元的所述内容特征、所述实际码率、所述当前剩余码率以及所述视频I帧的量化参数输入训练好的学习模型中，以对所述当前编码树单元的量化参数进行预测；

E、根据所述当前编码树单元的量化参数对所述当前编码树单元进行编码；

F、判断所述当前编码树单元是否为所述视频I帧中的最后一个编码树单元；若是，则结束所述视频I帧的编码过程；若否，则将所述当前编码树单元更新为后一编码树单元并返回执行步骤C；

所述利用预设滤波核对所述视频I帧中每个编码树单元的内容特征进行提取，所述内容特征包括能量特征、强度特征、形状特征以及平滑性特征，包括：将所述四个滤波核分别与所述视频I帧中的每个编码树单元进行卷积操作，得到不同方向的四个特征矩阵；

根据所述四个特征矩阵以及第一公式确定所述能量特征，所述第一公式为：其中，Gf1表示所述能量特征，GCTU(θ,i,j)表示在θ方向上的特征矩阵中位置为(i，j)的灰度值，X＝[0°，45°，90°，135°]，H表示编码树单元的高度，W表示编码树单元的宽度，N表示编码树单元的像素个数，ω1＝0.24，ω2＝0.0059，C1＝‑2.4；

根据所述四个特征矩阵以及第二公式确定所述强度特征，所述第二公式为：其中，Gf2表示所述强度特征，ω3＝1.3；

根据所述四个特征矩阵以及第三公式确定所述形状特征，所述第三公式为：其中，Gf3表示所述形状特征，ω4＝0.85；

根据所述四个特征矩阵、第四公式以及第五公式确定所述平滑性特征，所述第四公式和所述第五公式分别为：其中，Gv(θ)表示编码树单元在θ方向上的平滑性特征，Gf4表示编码树单元在四个方向上的平滑性特征， 表示在θ方向上的特征矩阵的平均值，α1＝2.0，α2＝1.9，ω5＝

0.97，ω6＝4.2，ω7＝2.7，C2＝998；

所述根据当前编码树单元的所述内容特征以及所述视频I帧的当前剩余码率确定为所述当前编码树单元分配的实际码率，包括：其中， 表示所述当前编码树单元的实际码率，k表示所述视频I帧中的第k个编码树单元，GC(k)表示所述当前编码树单元的复杂度， 表示从所述当前编码树单元到所述视频I帧的最后一个编码树单元的复杂度的总和，l表示所述视频I帧中的第l个编码树单元，M表示所述视频I帧中编码树单元的总数， 表示所述当前剩余码率，C3＝0.13，C4＝0.24，ω8＝4.3，α3＝1.5，α4＝2，α5＝0.5，α6＝2.02。

2.根据权利要求1所述的视频码率控制方法，其特征在于，所述信息特征还包括所述视频I帧的整体码率；

在所述根据当前编码树单元的所述内容特征以及所述视频I帧的当前剩余码率确定为所述当前编码树单元分配的实际码率之前，还包括：根据所述整体码率以及所述视频I帧中每个编码树单元的所述内容特征确定为所述视频I帧中每个编码树单元分配的初始码率；

根据所述初始码率确定所述视频I帧的当前计划剩余码率；

确定所述视频I帧的当前实际剩余码率；

根据所述当前计划剩余码率和所述当前实际剩余码率确定所述当前剩余码率。

3.根据权利要求2所述的视频码率控制方法，其特征在于，所述根据所述整体码率以及所述视频I帧中每个编码树单元的所述内容特征确定为所述视频I帧中每个编码树单元分配的初始码率，包括：其中， 表示为所述视频I帧中每个编码树单元分配的初始码率，k表示所述视频I帧中的第k个编码树单元，GC(k)表示所述当前编码树单元的复杂度，表示所述视频I帧中所有编码树单元的复杂度的总和，l表示所述视频I帧中的第l个编码树单元，M表示所述视频I帧中编码树单元的总数，RPicLevel表示所述整体码率；

所述根据所述当前计划剩余码率和所述当前实际剩余码率确定所述当前剩余码率，包括：其中， 表示所述当前剩余码率，Rleft表示所述当前实际剩余码率，表示从所述当前编码树单元到所述视频I帧的最后一个编码树单元的初始码率的总和，ω9＝4.03，C5＝1.01。

4.根据权利要求1所述的视频码率控制方法，其特征在于，所述学习模型包括随机森林算法模型。

5.一种视频码率控制装置，其特征在于，包括：

信息特征获取模块，用于获取视频I帧以及所述视频I帧的信息特征，所述信息特征包括所述视频I帧的量化参数；

内容特征提取模块，用于利用预设滤波核对所述视频I帧中每个编码树单元的内容特征进行提取，所述内容特征包括能量特征、强度特征、形状特征以及平滑性特征；所述预设滤波核包括方向不同的四个滤波核，方向分别为0度、45度、90度和135度；

实际码率分配模块，用于根据当前编码树单元的所述内容特征以及所述视频I帧的当前剩余码率确定为所述当前编码树单元分配的实际码率；

量化参数预测模块，用于将所述当前编码树单元的所述内容特征、所述实际码率、所述当前剩余码率以及所述视频I帧的量化参数输入训练好的学习模型中，以对所述当前编码树单元的量化参数进行预测；

编码模块，用于根据所述当前编码树单元的量化参数对所述当前编码树单元进行编码；

结束条件判断模块，用于判断所述当前编码树单元是否为所述视频I帧中的最后一个编码树单元；若是，则结束所述视频I帧的编码过程；若否，则将所述当前编码树单元更新为后一编码树单元并返回所述实际码率分配模块继续执行；

所述内容特征提取模块，包括：

特征矩阵获取单元，用于将所述四个滤波核分别与所述视频I帧中的每个编码树单元进行卷积操作，得到不同方向的四个特征矩阵；

能量特征确定单元，用于根据所述四个特征矩阵以及第一公式确定所述能量特征，所述第一公式为：其中，Gf1表示所述能量特征，GCTU(θ，i，j)表示在θ方向上的特征矩阵中位置为(i，j)的灰度值，X＝[0°，45°，90°，135°]，H表示编码树单元的高度，W表示编码树单元的宽度，N表示编码树单元的像素个数，ω1＝0.24，ω2＝0.0059，C1＝‑2.4；

强度特征确定单元，用于根据所述四个特征矩阵以及第二公式确定所述强度特征，所述第二公式为：其中，Gf2表示所述强度特征，ω3＝1.3；

形状特征确定单元，用于根据所述四个特征矩阵以及第三公式确定所述形状特征，所述第三公式为：其中，Gf3表示所述形状特征，ω4＝0.85；

平滑性特征确定单元，用于根据所述四个特征矩阵、第四公式以及第五公式确定所述平滑性特征，所述第四公式和所述第五公式分别为：其中，Gv(θ)表示编码树单元在θ方向上的平滑性特征，Gf4表示编码树单元在四个方向上的平滑性特征， 表示在θ方向上的特征矩阵的平均值，α1＝2.0，α2＝1.9，ω5＝

0.97，ω6＝4.2，ω7＝2.7，C2＝998；

所述实际码率分配模块具体用于：

其中， 表示所述当前编码树单元的实际码率，k表示所述视频I帧中的第k个编码树单元，GC(k)表示所述当前编码树单元的复杂度， 表示从所述当前编码树单元到所述视频I帧的最后一个编码树单元的复杂度的总和，l表示所述视频I帧中的第l个编码树单元，M表示所述视频I帧中编码树单元的总数， 表示所述当前剩余码率，C3＝0.13，C4＝0.24，ω8＝4.3，α3＝1.5，α4＝2，α5＝0.5，α6＝2.02。

6.一种计算机设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1‑4中任一所述的视频码率控制方法。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑4中任一所述的视频码率控制方法。