1.一种在线教学视频的智能处理方法，其特征在于，包括：

获取学生端身份验证编码，根据所述身份验证编码获取目标课程编码，基于预设的云端课程库，根据所述目标课程编码调取对应的目标视频课程；

根据所述目标视频课程进行视频帧类型分析，确定每一帧的视频帧类型，根据所述每一帧视频帧类型针对所述目标视频课程进行无损压缩处理；

学生端根据无损压缩数据进行视频重建，获取重建视频课程，并针对所述重建视频课程的查看过程进行状态监测，获取状态监测结果；

所述方法还包括：

根据所述重建视频课程的状态监测结果，获取学生端播放视频过程中的暂停频次，并基于所述暂停频次针对所述重建视频进行暂停点定位，根据所述暂停点定位结果，获取所述暂停点对应的一级知识点序列；

根据所述重建视频课程的状态监测结果，获取学生端播放视频过程中的回放频次，并基于所述回放频次针对所述重建视频进行回放点定位，根据所述回放点定位结果，获取所述回放点对应的二级知识点序列；

获取所述重建视频课程的课后评论，通过对所述课后评论中的知识点关键字进行频次分析，并基于所述知识点关键字的频次分析结果，获取三级知识点序列；

基于预设的云端平台，获取所有学生端对应的一级知识点序列和二级知识点序列；

针对所有学生端对应的一级知识点序列、二级知识点序列和三级知识点序列进行频次分析，获取知识点序列的频次分析结果，并根据所述知识点频次分析结果针对知识点的难度等级进行等级划分；其中，所述知识点的难度等级包括：一级难度知识点、二级难度知识点、三级难度知识点；

根据所述难度等级划分结果动态设置对应的难点复习计划，并将所述难点复习计划同步至对应的教师端口。

2.如权利要求1所述的一种在线教学视频的智能处理方法，其特征在于，所述获取学生端身份验证编码，根据所述身份验证编码获取目标课程编码，基于预设的云端课程库，根据所述目标课程编码调取对应的目标视频课程，包括：获取学生端登录信息，根据所述登录信息基于预设的客户订阅数据库，获取客户的课程订阅信息；其中，所述课程订阅信息包括：已订阅课程编码、已订阅课程名称、课时数、授课时间、授课教师；

根据所述客户的课程订阅信息，自动生成课程选择列表，并根据所述课程选择列表，获取所述客户的目标课程选择项；

根据所述客户的目标课程选择项，获取对应的课程选择链接，并根据所述课程选择链接基于所述云端课程库进行目标课程查找，确定目标视频课程。

3.如权利要求1所述的一种在线教学视频的智能处理方法，其特征在于，所述根据所述目标视频课程进行视频帧类型分析，确定每一帧的视频帧类型，根据所述每一帧视频帧类型针对所述目标视频课程进行无损压缩处理，包括：根据所述目标视频课程进行视频分割，获取若干帧图像数据，将每一帧图像数据进行降采样处理，获取一级图像数据；

根据所述一级图像数获取已重构的边界像素，并根据已重构的边界像素进行帧内预测，确定所述一级图像数据中的空间冗余信息，并基于所述空间冗余信息进行帧间预测，确定所述一级图像数据中的时间冗余信息，根据所述空间冗余信息和时间冗余信息，获取二级图像数据；

将所述二级图像数据进行离散余弦变换，确定所述二级图像数据对应的信号集中区域，并根据所述信号集中区域进行二次离散余弦变换，确定一级压缩图像数据；

针对所述一级压缩图像数据进行量化处理，确定非必要数据，并将所述非必要数据进行丢弃处理，确定二级压缩数据；其中，所述非必要数据包括：重复数据、浮点数据；

将所述二级压缩数据通过熵编码进行数据处理，获取三级压缩数据。

4.如权利要求1所述的一种在线教学视频的智能处理方法，其特征在于，所述学生端根据无损压缩数据进行视频重建，获取重建视频课程，并针对所述重建视频课程的查看过程进行状态监测，获取状态监测结果，包括：将所述无损压缩数据进行视频分割，获取每一帧压缩图像数据；

根据每一帧压缩图像数据，获取相邻帧压缩图像数据，并根据所述相邻帧压缩图像数据中的像素点进行运动跟踪，获取对应的像素点运动轨迹；

针对所述压缩图像数据对应的像素点运动轨迹进行建立模型，生成视频重建模型；

根据所述视频重建模型进行运动补偿计算，获取运动补偿误差，并针对所述运动补偿误差进行校正，并针对校正后的视频重建模型进行更新处理，所述更新处理为针对所述视频重建模型进行校正更新；

根据更新后的视频重建模型，将所述无损压缩数据进行重建处理，获取重建视频课程；

基于所述重建视频课程，针对学生端查看过程进行实时监测，并记录监测数据。

5.如权利要求1所述的一种在线教学视频的智能处理方法，其特征在于，所述学生端根据无损压缩数据进行视频重建，获取重建视频课程，并针对所述重建视频课程的查看过程进行状态监测，获取状态监测结果，还包括：根据所述无损压缩数据进行噪声分析，获取所述无损压缩数据对应的量化噪声数据，并针对所述量化噪声数据进行区分，确认区分结果；其中，所述量化噪声可以分为：变换域量化噪声、空间域量化噪声；

当所述量化噪声的区分结果为空间域量化噪声时，将所述空间域量化噪声进行转换，形成变换域量化噪声；

将所述变换域量化噪声按照预设的频率等级进行噪声分离，确定频率噪声分离结果；

其中，所述预设的频率等级包括：高频、中频、低频；

基于所述噪声分离结果，通过反转换将变换域量化噪声转换为原始空间域量化噪声进行去噪处理。

6.如权利要求1所述的一种在线教学视频的智能处理方法，其特征在于，所述学生端根据无损压缩数据进行视频重建，获取重建视频课程，并针对所述重建视频课程的查看过程进行状态监测，获取状态监测结果，还包括：获取状态监测数据，将所述状态监测数据发送至预设的大数据处理平台，获取异常监测数据；

针对所述异常监测数据进行故障特征提取，获取故障图像特征，并根据所述故障图像特征进行分类，获取分类故障特征；其中，故障包括：网络连接故障、视频重建故障；所述视频重建故障包括：视频帧损坏、视频音画不同步；

根据所述分类故障特征采用卷积神经网络针对所述故障图像特征进行提取和学习，确定视频故障原因。

7.如权利要求6所述的一种在线教学视频的智能处理方法，其特征在于，所述根据所述分类故障特征采用卷积神经网络针对所述故障图像特征进行提取和学习，确定视频故障原因，还包括：当所述视频故障原因显示课程视频为形变问题时，通过针对课程视频数据进行边缘监测，获取对应显示设备的边界信息；

通过对所述课程视频的每一帧数据进行空间一致性分析，获取分析结果；

当所述分析结果显示所述空间一致性符合要求时，采用特征变换匹配所述课程视频的开始帧和结束帧，获取第一处理视频；

将所述第一处理视频与所述课程视频根据时间和空间进行线性对齐，获取第二处理视频。

8.如权利要求1所述的一种在线教学视频的智能处理方法，其特征在于，还包括：通过双目视觉摄像机实时采集授课教师的讲课视频数据，将多个角度的视频数据进行视频帧拼接，获取全景讲课视频；

针对所述全景讲课视频通过深度计算，获取左右眼视差数据；

基于所述左右眼视差数据，通过VR显示设备获取三维场景下全景视频数据；

根据所述三维场景下全景视频数据进行延迟测量，获取延迟时间，当所述延迟时间大于预设的时间范围时，判定所述延迟时间超标；

当所述延迟时间超标时，针对编码器开启延时控制。

9.一种在线教学视频的智能处理系统，其特征在于，包括：

课程验证模块：用于获取学生端身份验证编码，根据所述身份验证编码获取目标课程编码，基于云端课程库，根据所述目标课程编码调取对应的目标视频课程；

视频压缩模块：用于根据所述目标视频课程进行视频帧类型分析，确定每一帧的视频帧类型，根据所述每一帧视频帧类型针对所述目标视频课程进行无损压缩处理；

状态检测模块：用于针对无损压缩数据进行视频重建，获取重建视频课程，并针对所述重建视频课程的进行状态监测，获取状态监测结果；

所述系统还包括：

知识点针对处理模块，用于包括：

根据所述重建视频课程的状态监测结果，获取学生端播放视频过程中的暂停频次，并基于所述暂停频次针对所述重建视频进行暂停点定位，根据所述暂停点定位结果，获取所述暂停点对应的一级知识点序列；

根据所述重建视频课程的状态监测结果，获取学生端播放视频过程中的回放频次，并基于所述回放频次针对所述重建视频进行回放点定位，根据所述会放电定位结果，获取所述回放点对应的二级知识点序列；

获取所述重建视频课程的课后评论，通过对所述课后评论中的知识点关键字进行频次分析，并基于所述知识点关键字的频次分析结果，获取三级知识点序列；

基于预设的云端平台，获取所有学生端对应的一级知识点序列和二级知识点序列；

针对所有学生端对应的一级知识点序列、二级知识点序列和三级知识点序列进行频次分析，获取知识点序列的频次分析结果，并根据所述知识点频次分析结果针对知识点的难度等级进行等级划分；其中，所述知识点的难度等级包括：一级难度知识点、二级难度知识点、三级难度知识点；

根据所述难度等级划分结果动态设置对应的难点复习计划，并将所述难点复习计划同步至对应的教师端口。