1.一种屏幕内容视频编码的快速编码方法，其特征在于包括以下步骤：

步骤1)：将待编码的屏幕内容视频中当前待处理的屏幕内容图像定义为当前帧；

步骤2)：将当前帧中当前待处理的编码树单元定义为当前编码树单元；

步骤3)：将当前编码树单元中当前待编码的编码单元定义为当前编码单元；

步骤4)：计算当前编码单元中的所有像素点的像素值的方差，记为Var，并作为当前编码单元的第一特征；计算当前编码单元中的所有边缘像素点的总个数与当前编码单元中的所有像素点的总个数的比例，记为p，并作为当前编码单元的第二特征；统计当前编码单元中不同像素值的总个数，记为m，并作为当前编码单元的第三特征；

步骤5)：当当前编码单元的尺寸为64×64时，将当前编码单元的第一特征、第二特征和第三特征作为输入参数，输入到已训练好第一BP神经网络模型中对当前编码单元进行分类，输出当前编码单元的标签，若当前编码单元的标签为1，则当前编码单元为屏幕内容编码单元；若当前编码单元的标签为0，则当前编码单元为自然内容编码单元；

当当前编码单元的尺寸为32×32时，将当前编码单元的第一特征、第二特征和第三特征作为输入参数，输入到已训练好第二BP神经网络模型中对当前编码单元进行分类，输出当前编码单元的标签，若当前编码单元的标签为1，则当前编码单元为屏幕内容编码单元；

若当前编码单元的标签为0，则当前编码单元为自然内容编码单元；

当当前编码单元的尺寸为16×16时，将当前编码单元的第一特征、第二特征和第三特征作为输入参数，输入到已训练好第三BP神经网络模型中对当前编码单元进行分类，输出当前编码单元的标签，若当前编码单元的标签为1，则当前编码单元为屏幕内容编码单元；

若当前编码单元的标签为0，则当前编码单元为自然内容编码单元；

步骤6)：定义屏幕内容帧内预测模式包括帧内预测模式中的DC模式、Planar模式、数字标识为10的方向模式、数字标识为18的方向模式、数字标识为26的方向模式、数字标识为34的方向模式；当当前编码单元为屏幕内容编码单元时，采用屏幕内容帧内预测模式以及帧内块拷贝和调色板模式对当前编码单元进行编码，然后判断编码过程中确定的当前编码单元的最优模式是否为DC模式或Planar模式或帧内块拷贝中的Merge模式或调色板模式，如果是，则执行步骤7)；否则，执行步骤8)；

当当前编码单元为自然内容编码单元时，采用帧内预测模式对当前编码单元进行编码，然后执行步骤7)；

步骤7)：判断编码过程中确定的当前编码单元的最优模式是否为的DC模式或Planar模式，如果是，则执行步骤9)；否则，执行步骤8)；

步骤8)：如果当前编码单元的深度等于2或3，则执行步骤9)；如果当前编码单元的深度等于0或1，则对当前编码单元进行分割，得到当前编码单元的下一深度的四个编码单元，然后将下一深度左上的编码单元作为当前单元编码，然后返回步骤4)继续执行；

步骤9)：将当前编码树单元中下一个待编码的编码单元作为当前编码单元，然后返回步骤4)继续执行，直至当前编码树单元中的所有编码单元处理完毕；

步骤10)：将当前帧中下一个待处理的编码树单元作为当前编码树单元，然后返回步骤

3)继续执行，直至当前帧中的所有编码树单元处理完毕；

步骤11)：将待编码的屏幕内容视频中下一帧待处理的屏幕内容图像作为当前帧，然后返回步骤2)继续执行，直至所有屏幕内容图像处理完毕。

2.根据权利要求1所述的一种屏幕内容视频编码的快速编码方法，其特征在于所述的步骤4)中， 其中，N表示当前编码单元中包含的像素点的总个数，N为正整数，i为正整数，1≤i≤N，Li表示当前编码单元中的第i个像素点的像素值。

3.根据权利要求1所述的一种屏幕内容视频编码的快速编码方法，其特征在于所述的步骤4)中，当前编码单元中的边缘像素点是根据三阶Sobel算子确定的。

4.根据权利要求1所述的一种屏幕内容视频编码的快速编码方法，其特征在于所述的步骤5)中，BP神经网络模型的训练过程为：获取多幅屏幕内容图像，将多幅屏幕内容图像构成训练集；然后按照步骤4)的过程，以相同的方式获取训练集中的每幅屏幕内容图像中的每个编码树单元中的每个编码单元的第一特征、第二特征和第三特征；接着将训练集对应的所有尺寸为64×64的编码单元的第一特征、第二特征和第三特征作为样本输入到第一BP神经网络进行训练，训练得到第一BP神经网络模型；并将训练集对应的所有尺寸为32×32的编码单元的第一特征、第二特征和第三特征作为样本输入到第二BP神经网络进行训练，训练得到第二BP神经网络模型；将训练集对应的所有尺寸为16×16的编码单元的第一特征、第二特征和第三特征作为样本输入到第三BP神经网络进行训练，训练得到第三BP神经网络模型；其中，在训练前确定第一BP神经网络、第二BP神经网络和第三BP神经网络的输入节点数均为3个、输出节点数均为2个、隐藏层数均为1层，在训练前确定第一BP神经网络的隐藏层的节点数为16、第二BP神经网络的隐藏层的节点数为22、第一BP神经网络的隐藏层的节点数为30，在训练前确定训练过程中的最大迭代次数为5000次、目标错误率为0.01，在训练前确定输出标签为1或0，1表示编码单元为屏幕内容编码单元，0表示编码单元为自然内容编码单元。