1.一种动物疼痛指数判断方法，其特征在于，所述方法包括：

提取步骤：根据包含动物脸部的动物照片，调用预先训练的识别模型从该动物照片中提取出动物的预设类型面部动作单元的图片区域，所述预设类型面部动作单元包括眼睛、鼻子、耳朵；

识别步骤：将提取出的各个图片区域输入到预先训练的分类模型，识别出各个图片区域中预设类型面部动作单元对应的疼痛指数得分；

计算步骤：基于各个图片区域中的预设类型面部动作单元对应的疼痛指数得分，利用预先确定的计算规则，计算出该动物照片对应的整体疼痛指数得分；

所述识别模型包括以下训练步骤：

A1、获取第一预设数量包含动物脸部的动物照片样本；

A2、在各个动物照片样本上标注出预设类型面部动作单元的面部标记，并根据标注的面部标记将对应的动物脸部进行水平姿态矫正；

A3、在水平姿态矫正后的动物照片样本上，根据各个预设类型面部动作单元对应的面部标记对各个预设类型面部动作单元的图片区域进行区域标记；

A4、将所述动物照片样本分成训练集和测试集，其中，训练集中的照片样本数量大于测试集中的照片样本数量；

A5、利用训练集中的照片样本进行识别模型训练，生成所述识别模型，并利用测试集中的照片样本对生成的所述识别模型进行验证；

A6、若验证通过率大于第一预设阈值，则训练完成，若验证通过率小于或等于第一预设阈值，则增加动物照片样本的数量，流程返回步骤A2。

2.根据权利要求1所述的动物疼痛指数判断方法，其特征在于，所述识别步骤包括：根据预先确定的面部动作单元与归一化像素尺寸的映射关系，确定图片区域中各个预设类型面部动作单元对应的归一化像素尺寸，将各个预设类型面部动作单元的图片区域按照对应的归一化像素尺寸进行归一化处理；

将归一化处理后的各个图片区域输入到预先训练的分类模型，识别出各个图片区域中预设类型面部动作单元对应的疼痛指数得分。

3.根据权利要求1所述的动物疼痛指数判断方法，其特征在于，所述分类模型包括以下训练步骤：B1、针对各个预设类型面部动作单元，获取第二预设数量归一化处理后的图片区域样本，并对各个图片区域样本进行疼痛指数分类标记；

B2、将所述图片区域样本分成训练集和测试集，其中，训练集中的图片区域样本数量大于测试集中的图片区域样本数量；

B3、利用训练集中的图片区域样本进行分类模型训练，以生成所述分类模型，并利用测试集中的图片区域样本对生成的所述分类模型进行验证；

B4、若验证通过率大于第二预设阈值，则训练完成，若验证通过率小于或等于第二预设阈值，则增加归一化处理后的图片区域样本的数量，流程返回步骤B2。

4.根据权利要求1所述的动物疼痛指数判断方法，其特征在于，所述预先确定的计算规则包括：根据面部动作单元与预先确定的疼痛指数权重值的映射关系，确定各个预设类型面部动作单元对应的疼痛指数权重值；

将各个图片区域中预设类型面部动作单元对应的疼痛指数得分，及各个预设类型面部动作单元对应的疼痛指数权重值代入预先确定的计算公式计算得到该动物照片对应的整体疼痛指数得分，计算公式如下：其中，Xi代表第i个面部动作单元的图片区域对应的疼痛指数得分，Pi代表第i个面部动作单元对应的疼痛指数权重值，n代表有n个面部动作单元。

5.一种电子装置，其特征在于，所述装置包括：存储器、处理器及摄像装置，所述存储器上存储有动物疼痛指数判断程序，所述动物疼痛指数判断程序被所述处理器执行，可实现如下步骤：提取步骤：根据包含动物脸部的动物照片，调用预先训练的识别模型从该动物照片中提取出动物的预设类型面部动作单元的图片区域，所述预设类型面部动作单元包括眼睛、鼻子、耳朵；

识别步骤：将提取出的各个图片区域输入到预先训练的分类模型，识别出各个图片区域中预设类型面部动作单元对应的疼痛指数得分；

计算步骤：基于各个图片区域中的预设类型面部动作单元对应的疼痛指数得分，利用预先确定的计算规则，计算出该动物照片对应的整体疼痛指数得分；

所述识别模型包括以下训练步骤：

A1、获取第一预设数量包含动物脸部的动物照片样本；

A2、在各个动物照片样本上标注出预设类型面部动作单元的面部标记，并根据标注的面部标记将对应的动物脸部进行水平姿态矫正；

A3、在水平姿态矫正后的动物照片样本上，根据各个预设类型面部动作单元对应的面部标记对各个预设类型面部动作单元的图片区域进行区域标记；

A4、将所述动物照片样本分成训练集和测试集，其中，训练集中的照片样本数量大于测试集中的照片样本数量；

A5、利用训练集中的照片样本进行识别模型训练，生成所述识别模型，并利用测试集中的照片样本对生成的所述识别模型进行验证；

A6、若验证通过率大于第一预设阈值，则训练完成，若验证通过率小于或等于第一预设阈值，则增加动物照片样本的数量，流程返回步骤A2。

6.根据权利要求5所述的电子装置，其特征在于，所述分类模型包括以下训练步骤：B1、针对各个预设类型面部动作单元，获取第二预设数量归一化处理后的图片区域样本，并对各个图片区域样本进行疼痛指数分类标记；

B2、将所述图片区域样本分成训练集和测试集，其中，训练集中的图片区域样本数量大于测试集中的图片区域样本数量；

B3、利用训练集中的图片区域样本进行分类模型训练，以生成所述分类模型，并利用测试集中的图片区域样本对生成的所述分类模型进行验证；

B4、若验证通过率大于第二预设阈值，则训练完成，若验证通过率小于或等于第二预设阈值，则增加归一化处理后的图片区域样本的数量，流程返回步骤B2。

7.根据权利要求5所述的电子装置，其特征在于，所述预先确定的计算规则包括：根据面部动作单元与预先确定的疼痛指数权重值的映射关系，确定各个预设类型面部动作单元对应的疼痛指数权重值；

将各个图片区域中预设类型面部动作单元对应的疼痛指数得分，及各个预设类型面部动作单元对应的疼痛指数权重值代入预先确定的计算公式计算得到该动物照片对应的整体疼痛指数得分，计算公式如下：其中，Xi代表第i个面部动作单元的图片区域对应的疼痛指数得分，Pi代表第i个面部动作单元对应的疼痛指数权重值，n代表有n个面部动作单元。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括动物疼痛指数判断程序，所述动物疼痛指数判断程序被处理器执行时，可实现如权利要求1至4中任一项所述动物疼痛指数判断方法的步骤。