1.一种智能视频分析方法，其特征在于，包括以下步骤：
步骤S1，根据获取的视频图像，创建训练样本；
步骤S2，根据训练样本，提取特征；
步骤S3，根据所提取的特征，建立训练分类模型；
步骤S4，根据训练分类模型，检测目标。
2.如权利要求1所述的智能视频分析方法，其特征在于：在步骤S1中，所述训练样本包括正样本和负样本，其中，所述正样本是指用于某类别检测的目标样本；所述负样本指不包含目标的视频图像或部分视频图像。
3.如权利要求1所述的智能视频分析方法，其特征在于：在步骤S2中，所述特征至少包括目标姿态、形状、色彩、位置。
4.如权利要求1所述的智能视频分析方法，其特征在于：在步骤S2中，在提取特征之前，根据不同的周围状况选择，对视频图像是否进行场景重建和恢复。
5.如权利要求1所述的智能视频分析方法，其特征在于：在步骤S2中，提取特征前，将非结构化的视频图像数据进行结构化处理。
6.如权利要求5所述的智能视频分析方法，其特征在于：在步骤S2中，视频图像数据结构化处理后，在镜头检测和聚类的基础上，进一步提取有意义的视频图像对象，建立多个维度的索引信息，并进行存储。
7.如权利要求1所述的智能视频分析方法，其特征在于：在步骤S3中，建立训练分类模型包括以下步骤：
首先，对原始视频的进行背景建模，提取出背景和检测出运动物体；
然后，通过运动目标跟踪模块，提取出运动物体的轨迹；
接着，通过能量最小化来进行运动物体轨迹的平移和组合优化；
最后，通过图像拼接技术，将优化后的运动物体轨迹拼接在背景图像上，形成视频摘要的一帧。
8.如权利要求1所述的智能视频分析方法，其特征在于：在步骤S3中，所述训练分类模型的算法为：
Y＝f(X)
X是用于训练的已标记的样本数据，Y是类别集，f是参数，需要通过经验学习来确定。
9.如权利要求1所述的智能视频分析方法，其特征在于：在步骤S4中，检测目标时，根据关键帧提取特征的方式检索，并输出检索结果。
10.如权利要求9所述的智能视频分析方法，其特征在于：在步骤S4中，所述关键帧的特征至少包括纹理特征、形状特征、颜色特征。