1.一种动物健康状态监测方法，其特征在于，所述方法包括：通过摄像设备获取监控区域的帧图片；

从所述帧图片中提取多个监测对象，并确定所述多个监测对象中每个监测对象的身份；

基于所述帧图片及每个监测对象的身份，对每个监测对象进行跟踪，获取每个监测对象的运动数据；

基于每个监测对象的运动数据，确定每个监测对象的运动状态，所述运动数据包括以下一种或者多种的组合：目标时间段内的位移累加数据、目标时间段内的运动速度数据、目标时间段内的运动加速度数据；

基于每个监测对象的运动状态，确定所述监控区域所在的养殖区域的疫情状态数据。

2.如权利要求1所述的动物健康状态监测方法，其特征在于，所述从所述帧图片中所述提取多个监测对象包括：对所述帧图片进行二值化处理，得到二值化图像；

对从所述二值化图像进行填充，得到填充后的图像；

从所述填充后的图像中提取多个轮廓及所述多个轮廓中每个轮廓的位置，其中每个轮廓对应一个监测对象。

3.如权利要求2所述的动物健康状态监测方法，其特征在于，所述确定所述多个监测对象中每个监测对象的身份包括：基于每个轮廓的位置，从所述帧图片中确定每个轮廓对应的区域图片；

从每个轮廓对应的区域图片中提取每个监测对象对应的标签；

基于每个监测对象对应的标签，确定每个监测对象的身份。

4.如权利要求2所述的动物健康状态监测方法，其特征在于，所述获取每个监测对象的运动数据包括：基于每个监测对象的轮廓，确定每个监测对象的外接多边形；

基于每个监测对象的轮廓的位置，计算每个监测对象的外接多边形的中心，将每个监测对象的外接多边形的中心确定为每个监测对象的中心；

计算每个监测对象的中心的运动变化数据，将所述每个监测对象的中心的运动变化数据确定为每个监测对象的运动数据。

5.如权利要求1所述的动物健康状态监测方法，其特征在于，所述基于每个监测对象的运动数据，确定每个监测对象的运动状态包括：基于每个监测对象的运动数据，利用运动状态评估模型确定每个监测对象的运动状态；

其中训练所述运动状态评估模型的过程包括：

获取正样本的运动数据及预设数量的负样本，并将正样本的运动数据进行运动状态标注，以使正样本携带运动状态标签；

将所述正样本及所述负样本随机分成第一预设比例的训练集和第二预设比例的验证集，利用所述训练集训练所述运动状态评估模型，并利用所述验证集验证训练后的所述运动状态评估模型的准确率；

若所述准确率大于等于预设准确率，则训练结束，以训练后的所述运动状态评估模型为所述分类器，或者，若所述准确率小于预设准确率，则增加正样本数量及负样本数量，以重新进行训练。

6.如权利要求1所述的动物健康状态监测方法，其特征在于，所述每个监测对象的运动状态包括烦躁状态、正常状态、安静状态中的任意一种，所述基于每个监测对象的运动状态，确定所述监控区域所在的养殖区域的疫情状态数据包括：当所述监控区域内运动状态有异常的监测对象的数量达到第一数量阈值时，确定所述监控区域内有疫情，并发出疫情警报信息，其中异常的运动状态包括以下一种或者多种的组合：安静状态、烦躁状态。

7.如权利要求1所述的动物健康状态监测方法，其特征在于，所述方法还包括：当确定所述监控区域内有疫情数据时，提示用户提供理赔材料数据以使用户能快速赔付。

8.如权利要求1所述的动物健康状态监测方法，其特征在于，所述方法还包括：当确定所述监控区域内没有疫情数据，且有至少两个监测对象的位移累加数据超过位移阈值时，发出监测对象有异常行为的警报以提示用户查看所述监控区域；及/或当确定所述监控区域内没有疫情数据，且有运动速度数据超过运动速度阈值的监测对象的数量达到第二数量阈值时，发出监测对象有异常行为的警报以提示用户查看所述监控区域；及/或当确定所述监控区域内没有疫情数据，且有运动加速度数据超过运动加速度阈值的监测对象的数量达到第三数量阈值时，发出监测对象有异常行为的警报以提示用户查看所述监控区域。

9.一种电子设备，其特征在于，所述电子设备包括存储器及处理器，所述存储器用于存储至少一个指令，所述处理器用于执行所述至少一个指令以实现如权利要求1至8中所述动物健康状态监测方法。

10.一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存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至8中任一项所述动物健康状态监测方法。