1.一种骨龄预测方法，其特征在于，所述方法包括：

获取目标骨骼图像；

通过预先训练的第一关键点检测模型对所述目标骨骼图像进行关键点检测，得到第一目标骨骼关键点；

根据所述第一目标骨骼关键点对所述目标骨骼图像进行第一姿态矫正处理，得到标准骨骼图像；

通过预先训练的图像分割模型对所述标准骨骼图像进行分割处理，得到初步骨骼前景图；

通过预先训练的第二关键点检测模型对所述标准骨骼图像进行关键点检测，得到第二目标骨骼关键点；

根据所述第二目标骨骼关键点对所述初步骨骼前景图进行第二姿态矫正处理，得到标准骨骼前景图；

将所述标准骨骼前景图输入至预先训练的骨龄预测模型进行骨龄预测，得到骨龄预测数据；

所述骨龄预测模型包括第三残差网络、第二Transformer层以及全连接层，所述将所述标准骨骼前景图输入至预先训练的骨龄预测模型进行骨龄预测，得到骨龄预测数据，包括：将所述标准骨骼前景图输入至所述骨龄预测模型中；

通过所述第三残差网络对所述标准骨骼前景图进行特征提取，得到多个标准骨骼前景图像切片；

通过所述第二Transformer层对所述标准骨骼前景图像切片进行编码处理，得到标准骨骼前景特征向量；

通过所述全连接层的预测函数以及预获取到的性别特征向量对所述标准骨骼前景特征向量进行骨龄预测，得到所述骨龄预测数据；

其中，所述性别特征向量是通过网络爬虫的方式获取所述目标骨骼图像对应的用户性别数据；对所述用户性别数据进行独热编码处理得到的。

2.根据权利要求1所述的骨龄预测方法，其特征在于，所述获取目标骨骼图像的步骤，包括：获取原始骨骼图像；

根据预设的尺寸度量参数对所述原始骨骼图像进行缩放处理，得到第一骨骼图像；

对所述第一骨骼图像进行标准化处理，得到第二骨骼图像；

对所述第二骨骼图像进行归一化处理，得到所述目标骨骼图像。

3.根据权利要求1所述的骨龄预测方法，其特征在于，所述第一关键点检测模型包括第一残差网络、第一全局卷积网络和第一局部卷积网络，所述通过预先训练的第一关键点检测模型对所述目标骨骼图像进行关键点检测，得到第一目标骨骼关键点的步骤，包括：通过所述第一残差网络对所述目标骨骼图像进行特征提取，得到目标骨骼特征图；

通过所述第一全局卷积网络对所述目标骨骼特征图进行图同构处理，得到第一初始骨骼关键点；

通过所述第一局部卷积网络对所述第一初始骨骼关键点进行位置微调，得到所述第一目标骨骼关键点。

4.根据权利要求1所述的骨龄预测方法，其特征在于，所述图像分割模型包括卷积层、第一Transformer层以及图像分割层，所述通过预先训练的图像分割模型对所述标准骨骼图像进行分割处理，得到初步骨骼前景图的步骤，包括：通过卷积层对所述标准骨骼图像进行卷积处理，得到标准骨骼特征数据；

通过所述第一Transformer层对所述标准骨骼特征数据进行编码处理，得到骨骼特征隐藏向量；

通过所述图像分割层和预设的像素度量参数对所述骨骼特征隐藏向量进行分割处理，得到所述初步骨骼前景图，其中，预设的像素度量参数用于区分所述标准骨骼图像的前景图像与背景图像。

5.根据权利要求1所述的骨龄预测方法，其特征在于，所述第二关键点检测模型包括第二残差网络、第二全局卷积网络和第二局部卷积网络，所述通过预先训练的第二关键点检测模型对所述标准骨骼图像进行关键点检测，得到第二目标骨骼关键点的步骤，包括：通过所述第二残差网络对所述标准骨骼图像进行特征提取，得到标准骨骼特征图；

通过所述第二全局卷积网络对所述标准骨骼特征图进行图同构处理，得到第二初始骨骼关键点；

通过所述第二局部卷积网络对所述第二初始骨骼关键点进行位置微调，得到所述第二目标骨骼关键点。

6.一种骨龄预测装置，其特征在于，所述装置包括：

图像获取模块，用于获取目标骨骼图像；

第一关键点检测模块，用于通过预先训练的第一关键点检测模型对所述目标骨骼图像进行关键点检测，得到第一目标骨骼关键点；

第一图像姿态矫正模块，用于根据所述第一目标骨骼关键点对所述目标骨骼图像进行第一姿态矫正处理，得到标准骨骼图像；

图像分割模块，用于通过预先训练的图像分割模型对所述标准骨骼图像进行分割处理，得到初步骨骼前景图；

第二关键点检测模块，用于通过预先训练的第二关键点检测模型对所述标准骨骼图像进行关键点检测，得到第二目标骨骼关键点；

第二图像姿态矫正模块，用于根据所述第二目标骨骼关键点对所述初步骨骼前景图进行第二姿态矫正处理，得到标准骨骼前景图；

骨龄预测模块，用于将所述标准骨骼前景图输入至预先训练的骨龄预测模型进行骨龄预测，得到骨龄预测数据；

所述骨龄预测模型包括第三残差网络、第二Transformer层以及全连接层，所述将所述标准骨骼前景图输入至预先训练的骨龄预测模型进行骨龄预测，得到骨龄预测数据，包括：将所述标准骨骼前景图输入至所述骨龄预测模型中；

通过所述第三残差网络对所述标准骨骼前景图进行特征提取，得到多个标准骨骼前景图像切片；

通过所述第二Transformer层对所述标准骨骼前景图像切片进行编码处理，得到标准骨骼前景特征向量；

通过所述全连接层的预测函数以及预获取到的性别特征向量对所述标准骨骼前景特征向量进行骨龄预测，得到所述骨龄预测数据；

其中，所述性别特征向量是通过网络爬虫的方式获取所述目标骨骼图像对应的用户性别数据；对所述用户性别数据进行独热编码处理得到的。

7.一种电子设备，其特征在于，所述电子设备包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现如权利要求1至5任一项所述的骨龄预测方法的步骤。

8.一种存储介质，所述存储介质为计算机可读存储介质，用于计算机可读存储，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1至5中任一项所述的骨龄预测方法的步骤。