1.一种生猪体重测量方法，其特征在于，所述方法包括：获取关于待测量生猪的视频图像；

将所述视频图像输入预先训练的关键点检测模型，得到所述模型输出的所述待测量生猪的关键点热力图和关键点位置信息；

根据所述关键点位置信息匹配得到多个预设关键点；

根据所述待测量生猪的预设关键点计算所述待测量生猪的臀宽、臀高、身长；

根据所述臀宽、所述臀高、所述身长计算所述待测量生猪的体积；

将所述臀宽、所述臀高、所述身长及所述体积输入预设的生猪体重回归模型计算得到所述待测量生猪的体重预测值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述臀宽、所述臀高、所述身长计算所述待测量生猪的体积的计算公式为：V＝W*L*H，其中，W为所述待测量生猪的臀宽，H为所述待测量生猪的臀高，L为所述待测量生猪的身长。

3.根据权利要求2所述的方法，其特征在于，所述预设关键点包括嘴、头、颈、左前肘、左前脚尖、右前脚尖、左后肘、左后脚尖、右后肘、右后脚尖、脊前部、脊中部、尾、肚中部、肚后部；所述根据所述待测量生猪的预设关键点计算所述待测量生猪的臀宽、臀高、身长，包括：根据匹配得到的“头”关键点和“尾”关键点的位置信息计算所述待测量生猪的身长；

根据匹配得到的“脊中部”关键点和“肚中部”关键点的位置信息计算所述待测量生猪的臀高；

根据匹配得到的“左后肘”关键点和“右后肘”关键点的位置信息计算所述待测量生猪的臀宽。

4.根据权利要求1所述的方法，其特征在于，在所述将所述视频图像输入预先训练的关键点检测模型，得到所述模型输出的所述待测量生猪的关键点热力图和关键点位置信息之前，所述方法还包括：构建所述关键点检测模型，其中，所述关键点检测模型由四个密集连接的沙漏网络构成；

利用预设的训练集对所述关键点检测模型进行训练，训练过程中采用最小均方误差损失函数使得所述沙漏网络收敛，得到训练好的所述关键点检测模型。

5.根据权利要求4所述的方法，其特征在于，所述训练集包括多个生猪图像样本；所述沙漏网络包括上级路和下级路，所述上级路处理原尺寸的生猪图像，所述下级路对所述原尺寸的生猪图像进行降采样后再进行升采样处理。

6.根据权利要求5所述的方法，其特征在于，所述降采样采用最大池化或平均池化，所述升采样采用最近邻插值法。

7.根据权利要求1所述的方法，其特征在于，在所述将所述臀宽、所述臀高、所述身长及所述体积输入预设的生猪体重回归模型计算得到所述待测量生猪的体重预测值之前，所述方法还包括:采集若干个生猪样本的体重及参考数据，所述参考数据包括臀宽、臀高、身长及体积；

将所述参考数据作为变量，对应的生猪样本的体重作为结果，建立生猪体重回归模型。

8.一种生猪体重测量装置，其特征在于，所述装置包括：获取单元，用于获取关于待测量生猪的视频图像；

输入单元，用于将所述视频图像输入预先训练的关键点检测模型，得到所述模型输出的所述待测量生猪的关键点热力图和关键点位置信息；

匹配单元，用于根据所述关键点位置信息匹配得到多个预设关键点；

第一计算单元，用于根据所述待测量生猪的预设关键点计算所述待测量生猪的臀宽、臀高、身长；

第二计算单元，用于根据所述臀宽、所述臀高、所述身长计算所述待测量生猪的体积；

第三计算单元，用于将所述臀宽、所述臀高、所述身长及所述体积输入预设的生猪体重回归模型计算得到所述待测量生猪的体重预测值。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：采集单元，用于采集若干个生猪样本的体重及参考数据，所述参考数据包括臀宽、臀高、身长及体积；

建立单元，用于将所述参考数据作为变量，对应的所述生猪样本的体重作为结果，建立生猪体重回归模型。

10.一种计算机非易失性存储介质，所述存储介质包括存储的程序，其特征在于，在所述程序运行时控制所述存储介质所在设备执行权利要求1至7任意一项所述的生猪体重测量方法。