具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

实施例一

图1是本申请实施例提供的一种机器人控制方法的流程图，该方法适用于机器人乘梯控制的场景中。该方法可以通过机器人控制装置执行，该装置可以采用软件和/或硬件实现，并具体配置于电子设备中。该电子设备可以设置于机器人内部，或独立于机器人存在。

参见图1所示的一种机器人控制方法，包括：

S110、在机器人所在区域的电梯门开启后，根据预设路径，控制机器人移动且自转，采集轿厢内部的至少两个视场角度的目标图像。

其中，轿厢为电梯中供用户乘坐的结构。机器人所在区域包括楼层，以便对电梯门进行精准定位。当一个楼层中包括至少两个电梯区域时，机器人所在区域还包括电梯区域标识。

其中，机器人中设置有图像采集装置，用于在机器人所在区域的电梯门开启后，实时或定时采集轿厢内部图像，并将得到的图像作为目标图像，用于作为目标乘梯人数的确定依据。示例性的，图像采集装置可以是按照设定频率进行目标图像采集的相机。例如，设定频率可以是200帧/秒。

可以理解的是，通过机器人自身设置的图像采集装置进行目标图像采集，实现了对机器人的图像采集装置的复用，无需额外在轿厢中进行图像采集装置的设置，减少了硬件成本投入。同时，机器人基于自身采集的目标图像进行后续目标乘梯人数的确定，不借助第三方数据，使得目标乘梯人数的确定结果可信度更高，避免了由于第三方数据源作假或数据传输安全，导致的目标乘梯人数确定结果不准确的情况发生。另外，在电梯轿厢中额外设置图像采集装置，需要将图像数据通信传输至机器人，当无线通信信号不稳定时，将会存在由于图像数据无法及时传输，造成机器人运行不顺畅的问题，使得目标图像的采集不具备实时性。再者，在轿厢中额外设置图像采集装置或其他传感器，将会对电梯设备进行改造，对电梯设备局部一定损坏性，落地较为困难。

其中，预设路径可以为预先设定的机器人在电梯门口设定区域的安全行驶路径，从而根据预设路径，控制机器人在电梯门口的设定区域内，进行移动和自转，进而能够从至少两个视场角度对轿厢内部的图像进行采集，从而得到多视场角度的目标图像，提高了目标图像的丰富性和全面性，避免了人物遮挡对后续目标乘梯人数确定结果准确度的影响。

示例性的，可以由机器人向电梯中控端发送呼叫请求，以使电梯中控端根据呼叫请求中的目标乘梯区域，控制轿厢停止并开启目标乘梯区域对应的电梯门。

在一个可选实施例中，机器人所在区域的电梯门开启，可以由机器人所在区域中电梯门附近设置的检测装置，确定电梯门的开启状态，并在开启后向机器人发送开启通知，以触发机器人进行图像采集。其中，检测装置可以采用现有技术中的至少一种装置实现，例如可以是红外检测装置。

在另一可选实施例中，还可以由电梯中控端确定轿厢达到机器人所在区域的时间信息，并根据时间信息累加设定时间间隔后，向机器人发送开启通知，以触发机器人进行图像采集。

由于额外设置检测装置将带来硬件成本的升高，而通过电梯中控端进行开启通知发送的方式，其结果准确度依赖于电梯中控端的可靠性，同时还需要占用带宽资源用于数据传输，并且传输过程存在的传输时延和数据安全，均将对机器人进行图像采集的时机确定存在一定影响。为了提高图像采集时机的准确度，同时减少不必要的资源损耗，在又一可选实施例中，还可以由机器人通过障碍物检测模块，检测电梯门方向是否存在障碍物，在不存在的情况下，即可认为电梯门处于开启，否则，认为电梯门处于关闭状态。

机器人根据目标图像进行目标乘梯人数的确定，而目标图像的清晰度会直接影响目标乘梯人数确定结果的准确度。而目标图像采集环境的光照强度，将会直接影响所采集的目标图像的清晰度。因此，可以通过对目标图像的清晰度，对机器人中的补光单元的工作状态进行控制，以提高后续采集的目标图像的清晰度。

示例性的，可以在机器人所在区域首次进行目标图像采集后，识别该目标图像的清晰度；若清晰度满足清晰度条件，则设置补光单元的工作状态为开启状态；否则，设置补光单元的工作状态为关闭状态。其中，清晰度条件可以通过清晰度区域进行设定，该清晰度区域可以由技术人员根据需要或经验值进行设定或调整。

S120、依次对各目标图像进行人物标定和追踪，并根据标定和追踪结果，确定轿厢中的目标乘梯人数。

在一个可选实施例中，依次对各目标图像进行人物标定和追踪，并根据标定和追踪结果，确定轿厢中的目标乘梯人数，可以是在依次对目标图像进行新增人物的标定，以及对已标定人物的追踪；根据各目标图像中的标定结果和追踪结果，确定轿厢中的当前乘梯人数；直接将当前乘梯人数作为目标乘梯人数。

由于电梯乘坐过程中，存在用户出入电梯的情况，因此，直接将当前乘梯人数作为目标乘梯人数，可能存在一定的偏差，因此，还可以根据出入电梯人数和当前乘梯人数，确定目标乘梯人数。

可以理解的是，在视角变化过程中可能会出现前一目标图像中的以标定目标发生偏移的情况，因此，通过控制机器人移动和旋转的方式，能够在视角移动过程中，采集不同视角的目标图像，从而可以根据特征进行新增目标的添加或已标定人物的追踪，进而实现当前乘梯人数的确定，提高了当前乘梯人数确定精度。

S130、根据目标乘梯人数，对机器人进行乘梯控制。

示例性的，若目标乘梯人数大于设定人数阈值，则禁止机器人进入轿厢，也即禁止机器人乘梯；若目标乘梯人数不大于设定人数阈值，则控制机器人行驶至轿厢，也即允许机器人乘梯。

本申请实施例在机器人所在区域的电梯门开启后，根据预设路径，控制机器人移动且自转，以采集轿厢内部的至少两个视场角度的目标图像；依次对各目标图像进行人物标定和追踪，并根据标定和追踪结果，确定轿厢中的目标乘梯人数；根据目标乘梯人数，对机器人进行乘梯控制。上述技术方案通过机器人自身进行目标图像获取以及目标乘梯人数确定，提高了确定结果的准确度。同时，基于目标乘梯人数替代轿厢是否为空的方式对机器人进行乘梯控制，避免了机器人等待时间过长对机器人，同时减少了无效乘梯过多对电梯的作业效率的影响，从而提高了机器人和电梯的作业效率。

实施例二

图2A是本申请实施例提供的另一种机器人控制方法的流程图，该方法在上述各技术方案的基础上，将“根据目标图像，确定轿厢中的目标乘梯人数”操作，细化为“根据目标图像，确定轿厢中的当前乘梯人数；根据出入电梯统计结果和当前乘梯人数，确定目标乘梯人数”，以提高目标乘梯人数确定结果的准确度。需要说明的是，在本申请实施例未详述内容可参见前述实施例。

参见图2A所示的一种机器人控制方法，包括：

S210、在机器人所在区域的电梯门开启后，根据预设路径，控制机器人移动且自转，以采集轿厢内部的至少两个视场角度的目标图像。

S220、依次对各目标图像进行人物标定和追踪，并根据标定和追踪结果，确定轿厢中的目标乘梯人数。

在一个可选实施例中，依次对各目标图像进行人物标定和追踪，并根据标定和追踪结果，确定轿厢中的目标乘梯人数，可以是：通过人脸检测模型，分别识别各目标图像中的人脸数量，从而根据人脸数量，确定轿厢中的当前乘梯人数。其中，人脸检测模型可以基于机器学习模型实现。

在另一可选实施例中，依次对各目标图像进行人物标定和追踪，并根据标定和追踪结果，确定轿厢中的目标乘梯人数，可以是：通过边缘检测的方式，分别识别各目标图像中的人脸数量，从而根据人脸数量，确定轿厢中的当前乘梯人数。

在又一可选实施例中，根据目标图像，确定轿厢中的当前乘梯人数，可以是：确定目标图像的方向梯度直方图（Histogram of Oriented Gradient，HOG），从而得到目标特征数据；采用分类模型对目标特征数据进行处理，得到行人和非行人类别预测，并对预测对象进行人物标定和后续追踪，从而根据标定和追踪结果，进行当前乘梯人数确定。其中，分类模型可以基于机器学习模型实现，例如支持向量机（Support Vector Machine，SVM）。

由于目标图像是机器人在轿厢外所采集的图像，因此，存在人员遮挡的情况，因此通过上述方式进行当前乘梯人数确定，存在确定结果准确度较差的情况。为了提高当前乘梯人数确定结果的准确度，在再一可选实施例中，还可以在对目标图像进行特征提取过程中，还可以引入可变形部件模型（Deformable Parts Model，DPM），以适配由于乘梯人员遮挡和人体姿势形变等情况。

需要说明的是，DPM算法采用了改进后的HOG特征、SVM分类器和滑动窗口检测思想，针对目标图像中待检测目标（乘梯人员）的多视角问题，采用了多组件（Component）的策略，针对目标本身的形变问题，采用了基于图结构（Pictorial Structure）的部件模型策略。此外，将样本的所属模型类别、部件模型的位置等作为潜变量（Latent Variable），采用多示例学习（Multiple-instance Learning）来自动确定乘梯人员数量。

其中，DPM模型包括根模型、至少两个部件模型和部件模型相对于根模型的偏离损失。

参见图2B所示的人体根模型、部件模型和偏离损失的示意图。

其中，图2B的(a)中的根模型属于较为粗糙、且覆盖整个目标的全局模板，又称根滤波器。

其中，图2B的(b)中的部件模型属于分辨率较高、且覆盖目标中的局部区域（如头、胳膊、腿等）的局部模板，又称部件滤波器。其中，将人体这一目标划分为头、两个上肢、两个下肢和脚共6个部件。部件模型的分辨率高于根模型的分辨率。例如，部件模型的分辨率为根模型的分辨率的两倍。为了降低模型复杂度，根模型和部件模型都是轴对称的。

其中，图2B的(c)中的部件模型相对于根模型的偏离损失，可以通过已有的人体、四肢等训练样本提取HOG特征后，经过SVM分类器训练得到。其中，越亮的区域表示偏离损失代价越大，部件模型的理性位置的偏离损失为0。

示例性的，可以根据预设的根模型和各部件模型对目标图像进行处理，得到目标响应数据；根据目标响应数据，对目标图像进行人物标定和追踪，从而根据标定和追踪结果，确定轿厢中的当前乘梯人数。

可以理解的是，通过根模型结合部件模型对目标图像进行处理，能够将目标检测转化为目标中不同局部构成（头、胳膊、腿等）的探测识别，从而消除目标在目标图像中的各种姿态如蹲、坐、站等所引发的形变情况对检测结果带来的影响。

在一个具体实现方式中，根据预设的根模型和各部件模型对目标图像进行处理，得到目标响应数据，包括：对目标图像进行特征提取，得到初始特征数据；分别根据根模型和各部件模型对初始特征数据进行处理，得到初始响应数据；根据各初始响应数据，生成目标响应数据。

具体的，对目标图像进行特征提取，得到初始全局特征数据；对目标图像进行上采样，并对上采样结果进行特征提取，得到初始局部特征数据；根据根模型对初始全局特征数据进行卷积处理，得到目标全局响应数据；分别采用各部件模型对初始局部特征数据进行卷积处理，得到各初始局部响应数据；分别对各初始局部响应数据进行下采样，得到目标局部响应数据，以使各目标局部响应数据的分辨率与目标全局响应数据的分辨率相同；确定目标全局响应数据和各目标局部响应数据进行加权均值，得到目标响应数据。

示例性的，对目标图像进行特征提取，可以采用根模型对目标图像进行卷积处理，从而得到初始全局特征数据。相应的，对上采样结果进行特征提取，可以采用根模型对上采样结果进行卷积处理，从而得到初始局部特征数据。

在一个具体实现方式中，根据目标响应数据对目标图像进行人物标定和追踪，包括：基于分类模型对目标响应数据进行处理，得到分类结果；根据分类结果对应的目标位置信息，对新增人物进行标定，以及对已标定人物进行追踪。根据识别出的模型的信息，该信息包括位置信息，通过对分类结果如识别出人体各部位，基于该部位的位置信息可以确定是否为一个人，从而确定人数，避免人数误计数的问题。其中，分类模型可以基于机器学习模型实现，例如SVM模型。

具体的，根据目标响应数据，确定目标图像中的各局部区域，并确定各局部区域是否属于同一目标；对相同目标进行追踪，并对不同目标加以标定；将最终所确定的目标数量，作为当前乘梯人数。

具体的，DPM改进后的HOG取消了原HOG中的块（Block），只保留了单元（Cell）。在归一化时，直接将当前单元与其周围的4个单元所组成的一个区域归一化。计算梯度方向时，可以计算有符号（0-360°）和无符号（0-180°）的梯度方向相结合的方式。以目标图像中一个8×8的单元为例，相对邻域归一化并截断后，得到4个单元组，相应的得到的有符号梯度方向直方图为4×18维矩阵，无符号梯度方向直方图为4×9维矩阵。通过将4×18维的有符号梯度方向直方图按列累加求和，得到18维向量；将4×9维的无符号梯度方向直方图按列累加求和，得到9维向量；将4×9维的无符号梯度方向直方图按行累加求和，得到4维向量；将得到的18维向量、9维向量和4维向量组合，得到该单元的特征向量。

示例性的，通过目标响应数据确定包括头部、上肢、下肢和脚部等至少一种的局部区域，并根据各局部区域的目标位置信息，确定各局部区域是否属于同一目标（人体），从而确定轿厢中的当前乘梯人数。

S230、根据出入电梯统计结果和当前乘梯人数，确定目标乘梯人数。

示例性的，输入电梯统计结果可以由轿厢内、电梯门附近、或机器人中设置的计数装置，用于统计出入电梯的人员数量，得到出入电梯统计结果；根据出入电梯统计结果，更新当前乘梯人数，并将更新后的当前乘梯人数作为目标乘梯人数。

S240、根据目标乘梯人数，对机器人进行乘梯控制。

本申请实施例通过将目标乘梯人数的确定操作，细化为根据目标图像，确定轿厢中的当前乘梯人数，并根据出入电梯统计结果和当前乘梯人数，确定目标乘梯人数，从而避免了在确定当前乘梯人数后，由于轿厢内人员变动，致使由于目标乘梯人数不准确而影响机器人的乘梯决策。

实施例三

图3是本申请实施例三提供的一种机器人控制方法的流程图，该方法在上述各技术方案的基础上，将操作“根据标定和追踪结果，确定轿厢中的目标乘梯人数”，细化为“根据标定和追踪结果，确定轿厢中的当前乘梯人数；根据当前乘梯人数和历史乘梯人数，确定轿厢中的目标乘梯人数”，以减少目标乘梯人数确定所付诸的硬件成本。需要说明的是，在本申请实施例未详述内容可参见前述实施例。

参见图3所示的一种机器人控制方法的流程图，包括：

S310、在机器人所在区域的电梯门开启后，根据预设路径，控制机器人移动且自转，以采集轿厢内部的至少两个视场角度的目标图像。

S320、依次对各目标图像进行人物标定和追踪，并根据标定和追踪结果，确定轿厢中的当前乘梯人数

其中，当前乘梯人数的确定过程可参见前述实施例，在此不再赘述。

S330、根据当前乘梯人数和历史乘梯人数，确定轿厢中的目标乘梯人数。

其中，历史乘梯人数可以是电梯门开启后以及当前乘梯人数确定之前，所采集的各目标图像对应的当前乘梯人数。

示例性的，根据当前乘梯人数和历史乘梯人数，确定轿厢中的目标乘梯人数，可以是：若当前乘梯人数与历史乘梯人数趋于稳定，则将当前乘梯人数作为目标乘梯人数；否则，将当前乘梯人数作为历史乘梯人数，并根据重新采集的目标图像进行当前乘梯人数的重新确定。

其中，当前乘梯人数与历史乘梯人数区域稳定，可以是当前乘梯人数与相邻的历史乘梯人数之间的差值现有设定阈值。其中，设定阈值可以由技术人员根据需要或经验值进行确定，例如可以是0。其中，相邻的历史乘梯人数可以是相邻的设定数量的历史乘梯人数，或当前乘梯人数相邻的设定历史时间段内所确定的历史乘梯人数。其中，设定数量或设定历史时间段可以由技术人员根据需要或经验值进行设定，或通过大量实验调整确定。例如，设定数量可以是2，设定历史时间段可以是3秒。

S340、根据目标乘梯人数，对机器人进行乘梯控制。

本申请实施例通过将目标乘梯人数确定操作，细化为根据标定和追踪结果，确定轿厢中的当前乘梯人数；根据当前乘梯人数和历史乘梯人数，确定轿厢中的目标乘梯人数，从而仅通过机器人进行软件处理，替代额外设置技术装置的方式，即可实现目标乘梯人数的准确确定，在提高目标乘梯人数确定结果准确度的同时，兼顾了硬件成本。

实施例四

图4是本申请实施例提供的一种机器人控制装置的结构图，该装置适用于机器人乘梯控制的场景中。该装置可以采用软件和/或硬件实现，并具体配置于电子设备中。该电子设备可以设置于机器人内部，或独立于机器人存在。

参见图4所示的一种机器人控制装置，包括：目标图像采集模块410、目标乘梯人数确定模块420和乘梯控制模块430。其中，

目标图像采集模块410，用于在机器人所在区域的电梯门开启后，根据预设路径，控制所述机器人移动且自转，以采集轿厢内部的至少两个视场角度的目标图像；

目标乘梯人数确定模块420，用于依次对各所述目标图像进行人物标定和追踪，并根据标定和追踪结果，确定所述轿厢中的目标乘梯人数；

乘梯控制模块430，用于根据所述目标乘梯人数，对所述机器人进行乘梯控制。

本申请实施例通过目标乘梯人数确定模块在机器人所在区域的电梯门开启后，根据预设路径，控制所述机器人移动且自转，以采集轿厢内部的至少两个视场角度的目标图像；依次对各目标图像进行人物标定和追踪，并根据标定和追踪结果，确定轿厢中的目标乘梯人数；通过乘梯控制模块根据目标乘梯人数，对机器人进行乘梯控制。上述技术方案通过机器人自身进行目标图像获取以及目标乘梯人数确定，提高了确定结果的准确度。同时，基于目标乘梯人数替代轿厢是否为空的方式对机器人进行乘梯控制，避免了机器人等待时间过长对机器人，同时减少了无效乘梯过多对电梯的作业效率的影响，从而提高了机器人和电梯的作业效率。

在一个可选实施例中，所述目标乘梯人数确定模块420，包括：

目标响应数据确定单元，用于根据预设的根模型和各部件模型对所述目标图像进行处理，得到目标响应数据；

人物标定和追踪单元，用于根据所述目标响应数据，对所述目标图像进行人物标定和追踪。

在一个可选实施例中，所述目标响应数据确定单元，包括：

初始特征数据得到子单元，用于对所述目标图像进行特征提取，得到初始特征数据；

初始相应数据得到子单元，用于分别根据所述根模型和各所述部件模型对所述初始特征数据进行处理，得到初始响应数据；

目标响应数据生成子单元，用于根据各所述初始响应数据，生成所述目标响应数据。

在一个可选实施例中，所述人物标定和追踪单元，包括：

分类结果得到子单元，用于基于分类模型对所述目标响应数据进行处理，得到分类结果；

人物标定和追踪子单元，用于根据所述分类结果对应的目标位置信息，对新增人物进行标定，以及对已标定人物进行追踪。

在一个可选实施例中，所述目标图像采集模块410，包括：

当前乘梯人数确定单元，用于根据标定和追踪结果，确定所述轿厢中的当前乘梯人数；

目标乘梯人数确定单元，用于根据所述当前乘梯人数和历史乘梯人数，确定所述轿厢中的目标乘梯人数。

在一个可选实施例中，所述目标乘梯人数确定单元，包括：

目标乘梯人数确定子单元，用于若所述当前乘梯人数与所述历史乘梯人数趋于稳定，则将所述当前乘梯人数作为所述目标乘梯人数；否则，将当前乘梯人数作为历史乘梯人数，并根据重新采集的目标图像进行当前乘梯人数的重新确定。

在一个可选实施例中，所述装置还包括：

呼叫请求发送模块，用于向电梯中控端发送呼叫请求，以使所述电梯中控端根据所述呼叫请求中的目标乘梯区域，控制轿厢停止并开启所述目标乘梯区域对应的电梯门。

在一个可选实施例中，所述目标乘梯人数确定单元，包括：

当前乘梯人数确定子单元，用于根据所述目标图像，确定所述轿厢中的当前乘梯人数；

目标乘梯人数确定子单元，用于根据出入电梯统计结果和所述当前乘梯人数，确定所述目标乘梯人数。

在一个可选实施例中，所述装置还包括：

补光单元控制模块，用于根据在机器人所在区域首次采集目标图像的清晰度，对所述机器人中的补光单元的工作状态进行控制。

上述机器人控制装置可执行本申请任意实施例所提供的机器人控制方法，具备执行机器人控制方法相应的功能模块和有益效果。

实施例五

图5是本申请实施例五提供的一种机器人的结构图。图5示出了适于用来实现本申请实施方式的示例性机器人512的框图。图5显示的机器人512仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图5所示，机器人512以通用计算设备的形式表现。机器人512的组件可以包括但不限于：一个或者多个处理器或者处理单元516，系统存储器528，连接不同系统组件（包括系统存储器528和处理单元516）的总线518。

总线518表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构（ISA）总线，微通道体系结构（MAC）总线，增强型ISA总线、视频电子标准协会（VESA）局域总线以及外围组件互连（PCI）总线。

机器人512典型地包括多种计算机系统可读介质。这些介质可以是任何能够被机器人512访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器528可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器（RAM）530和/或高速缓存存储器532。机器人512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统534可以用于读写不可移动的、非易失性磁介质（图5未显示，通常称为“硬盘驱动器”）。尽管图5中未示出，可以提供用于对可移动非易失性磁盘（例如“软盘”）读写的磁盘驱动器，以及对可移动非易失性光盘（例如CD-ROM, DVD-ROM或者其它光介质）读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线518相连。存储器528可以包括至少一个程序产品，该程序产品具有一组（例如至少一个）程序模块，这些程序模块被配置以执行本申请各实施例的功能。

具有一组（至少一个）程序模块542的程序/实用工具540，可以存储在例如存储器528中，这样的程序模块542包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本申请所描述的实施例中的功能和/或方法。

机器人512也可以与一个或多个外部设备514（例如键盘、指向设备、显示器524等）通信，还可与一个或者多个使得用户能与该机器人512交互的设备通信，和/或与使得该机器人512能与一个或多个其它计算设备进行通信的任何设备（例如网卡，调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口522进行。并且，机器人512还可以通过网络适配器520与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。如图所示，网络适配器520通过总线518与机器人512的其它模块通信。应当明白，尽管图中未示出，可以结合机器人512使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元516通过运行存储在系统存储器528中的多个程序中其他程序的至少一个，从而执行各种功能应用以及数据处理，例如实现本申请实施例所提供的机器人控制方法。

实施例六

本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请任一实施例所提供的一种机器人控制方法，由机器人执行，包括：在机器人所在区域的电梯门开启后，根据预设路径，控制所述机器人移动且自转，以采集轿厢内部的至少两个视场角度的目标图像；依次对各所述目标图像进行人物标定和追踪，并根据标定和追踪结果，确定所述轿厢中的目标乘梯人数；根据所述目标乘梯人数，对所述机器人进行乘梯控制。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。