行进控制方法、装置、设备、可读存储介质和移动装置与流程

本申请涉及自动控制技术领域，具体而言，涉及一种行进控制方法、装置、设备、可读存储介质和移动装置。

背景技术：

无人零售车在公园、小区或景区等场景下进行巡航售卖时，整个巡航售卖过程是无人运营的，无人零售车会在设定的特定站点进行停车售卖。现有的巡航售卖方式中，零售车只能固定在预先设定好的特定站点停车售卖，但是在零售车行驶过程中，顾客也可能会有购买商品的需求。因此，现有的零售车的巡航模式难以很好的满足用户需求。

技术实现要素：

本申请的目的包括，例如，提供了一种行进控制方法、装置、设备、可读存储介质和移动装置，其能够通过图像识别的方式，以很好地满足用户的即时需求。

本申请的实施例可以这样实现：

第一方面，实施例提供一种行进控制方法，应用于移动装置中的控制设备，所述移动装置还包括分别与所述控制设备连接的摄像设备以及动力设备，所述方法包括：

在所述移动装置行进过程中，获取所述摄像设备采集到的图像；

检测所述图像中是否存在目标对象且所述目标对象的姿态是否为预设姿态；

若所述图像中存在所述目标对象且所述目标对象的姿态为所述预设姿态，则向所述动力设备发送指示消息，所述指示消息用于指示所述动力设备控制所述移动装置停止行进。

在可选的实施方式中，所述检测所述图像中是否存在目标对象且所述目标对象的姿态是否为预设姿态的步骤，包括：

按照预定规则，确定所述图像中的感兴趣区域图像；

将所述感兴趣区域图像导入至预先建立并训练完成的识别模型进行识别，根据获得的识别结果确定所述感兴趣区域图像中是否存在所述目标对象；

若所述感兴趣区域图像中存在所述目标对象，按预设判别规则判断所述目标对象的姿态是否为预设姿态。

在可选的实施方式中，所述图像包括连续的多帧图像，所述按照预定规则，确定所述图像中的感兴趣区域图像的步骤，包括：

针对所述多帧图像中的最后一帧图像，获得该最后一帧图像中包含的初步对象，所述初步对象为在所述多帧图像的每一帧图像中均存在的对象；

获取所述最后一帧图像中处于设定区域内的初步对象；

根据处于所述设定区域内的初步对象所在的区域，确定所述图像中的感兴趣区域图像。

在可选的实施方式中，所述将所述感兴趣区域图像导入至预先建立并训练完成的识别模型进行识别，根据获得的识别结果确定所述感兴趣区域图像中是否存在所述目标对象的步骤，包括：

将所述感兴趣区域图像按竖直方向划分为多个条形区域图像；

将各所述条形区域图像分别导入至预先建立并训练完成的识别模型进行识别，根据获得的识别结果确定各所述条形区域图像中是否存在所述目标对象。

在可选的实施方式中，所述检测所述图像中是否存在目标对象且所述目标对象的姿态是否为预设姿态的步骤，还包括：

根据所述目标对象在所述图像中的尺寸，按预设转换算法计算得到所述目标对象的真实尺寸；

检测所述真实尺寸是否处于预设范围内，若处于所述预设范围内，则执行所述按预设判别规则判断所述目标对象的姿态是否为预设姿态的步骤。

在可选的实施方式中，所述按预设判别规则判断所述目标对象的姿态是否为预设姿态的步骤，包括：

将所述目标对象导入至预先建立的分类器进行分类判别，其中，所述分类器为预先基于多张正样本图像和多张负样本图像训练获得，所述正样本图像中包含姿态为所述预设姿态的训练对象，所述负样本图像包含姿态为除所述预设姿态之外的其他姿态的训练对象；

根据所述分类器的分类判别结果判断所述目标对象的姿态是否为预设姿态。

在可选的实施方式中，所述目标对象为人体图像，所述按预设判别规则判断所述目标对象的姿态是否为预设姿态的步骤，包括：

获得所述人体图像的手部区域的骨骼关键点；

获得所述手部区域的骨骼关键点相对于所述人体的躯干的相对角度；

检测所述相对角度是否处于预设角度范围，若处于所述预设角度范围，则判定所述目标对象的姿态为预设姿态。

在可选的实施方式中，所述方法还包括：

根据所述图像中的目标对象的深度信息，计算得到所述目标对象与所述移动装置之间的距离；

根据所述距离以及所述移动装置的行进速度，计算得到行进时长；

按所述行进时长进行计时，并在计时结束后执行所述向所述动力设备发送指示消息的步骤。

第二方面，实施例提供一种行进控制装置，应用于移动装置中的控制设备，所述移动装置还包括分别与所述控制设备连接的摄像设备以及动力设备，所述装置包括：

图像获取模块，用于在所述移动装置行进过程中，获取所述摄像设备采集到的图像；

检测模块，用于检测所述图像中是否存在目标对象且所述目标对象的姿态是否为预设姿态；

发送模块，用于在所述图像中存在所述目标对象且所述目标对象的姿态为所述预设姿态时，向所述动力设备发送指示消息，所述指示消息用于指示所述动力设备控制所述移动装置停止行进。

第三方面，实施例提供一种控制设备，包括一个或多个存储介质和一个或多个与存储介质通信的处理器，一个或多个存储介质存储有处理器可执行的机器可执行指令，当电子设备运行时，处理器执行所述机器可执行指令，以执行前述实施方式中任意一项所述的行进控制方法。

第四方面，实施例提供一种机器可读存储介质，所述机器可读存储介质存储有机器可执行指令，所述机器可执行指令被执行时实现前述实施方式中任意一项所述的行进控制方法。

第五方面，实施例提供一种移动装置，包括摄像设备、动力设备以及前述实施方式所述的控制设备，所述控制设备与所述摄像设备和所述动力设备连接。

本申请实施例的有益效果包括，例如：

本申请实施例提供的行进控制方法、装置、设备、可读存储介质和移动装置，通过在移动装置行进过程中，利用摄像设备采集图像，并对图像进行分析，以检测图像中是否存在目标对象且目标对象的姿态是否为预设姿态。若采集到的图像中存在目标对象且目标对象的姿态为预设姿态，则可通过动力设备控制移动装置停止行进。本方案中，通过对采集到的图像进行分析处理的方式，在确定有目标对象且目标对象的姿态为预设姿态时，则可自动控制移动装置停止，避免现有的移动装置只能在固定地点停留所存在的，难以很好满足用户对移动装置的即时需求的问题。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的移动装置的结构框图；

图2为本申请实施例提供的控制设备的结构示意图；

图3为本申请实施例提供的行进控制方法的流程图；

图4为图3中步骤s320的子步骤的流程图；

图5为本申请实施例提供的姿态判断方法的流程图；

图6为本申请实施例提供的姿态判断方法的另一流程图；

图7为本申请实施例提供的人体图像骨骼关键点的示意图；

图8为本申请实施例提供的行进控制方法的另一流程图；

图9为本申请实施例提供的行进控制装置的功能模块框图。

图标：10-控制设备；110-处理器；120-存储器；130-通信单元；140-行进控制装置；141-图像获取模块；142-检测模块；143-发送模块；20-摄像设备；30-动力设备。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。

请参阅图1，本申请实施例提供一种移动装置，该移动装置包括动力设备30、摄像设备20以及控制设备10，其中，控制设备10可分别与动力设备30和摄像设备20连接，例如电连接或者是无线连接等，从而与动力设备30和摄像设备20实现信息、数据的交互。

在本实施例中，所述移动装置可以是，例如无人车、机器人等可移动的设备，无人车可以是如无人售货车、无人公交车等，本实施例中，后续以移动装置为无人售货车为例进行说明。

摄像设备20可设置在移动装置的车身前侧，用于采集移动装置的前方范围内的图像信息。控制设备10可安装在移动装置的内部，控制设备10可获得摄像设备20采集到图像，并对图像进行分析处理，根据分析处理的结果对应地向动力设备30下发指令。动力设备30可根据接收到的指令，控制移动装置的行进状态。

此外，本实施例中，在移动装置为无人售货车时，还可包括例如设置在车身上的储物架、出货框、触控屏幕等设备，以用于存放物体，并在用户进行购买操作时，实现售货流程。

请参阅图2，为本申请实施例提供的图1中所示的控制设备10的结构框图，所述控制设备10包括行进控制装置140、处理器110、存储器120及通信单元130。其中，所述存储器120、所述处理器110和所述通信单元130之间直接或间接的电性连接，以实现数据的传输或交互。所述行进控制装置140包括至少一个可以软件或固件的形式存储于所述存储器120中或固化在所述控制设备10的操作系统中的软件功能模块。所述处理器110用于执行所述存储器120中存储的可执行模块，例如所述行进控制装置140包括的软件功能模块或计算机程序，以实现行进控制方法。

请参阅图3，是本申请实施例提供的一种应用于上述控制设备10的行进控制方法的流程图。所应说明的是，本申请提供的行进控制方法不以图3及以下所述的具体顺序为限制。下面将对图3中示出的各步骤进行详细说明。

步骤s310，在所述移动装置行进过程中，获取所述摄像设备20采集到的图像。

步骤s320，检测所述图像中是否存在目标对象且所述目标对象的姿态是否为预设姿态，在所述图像中存在所述目标对象且所述目标对象的姿态为所述预设姿态时，执行以下步骤s220，否则，返回步骤s310。

步骤s330，向所述动力设备30发送指示消息，所述指示消息用于指示所述动力设备30控制所述移动装置停止行进。

本实施例中，移动装置按照预先设定好的路线进行行进，例如无人售货车，可在如公园等场景下，按照预先基于公园的环境所设定好的路线行进，并在行进到各个预先设定的售货点时，在该售货点停车并进行售货活动。

为了便于用户可随时随地招停移动装置，以便在非预先设定的售货点处，也能够进行物品购买。本实施例中，设置在移动装置上的摄像设备20，可在移动装置行进过程中进行图像采集。摄像设备20采集到的图像为移动装置的行进方向上，前方区域内的图像。并且，移动装置上还可设置语音播放设备，通过语音播放设备播放例如“无人售货车巡航售卖中，您可招手叫停车辆选购商品”的语音信息，以告知周围的用户可招停车辆。

控制设备10可获取摄像设备20采集到的图像，摄像设备20可以将采集到的图像实时发往控制设备10，也可以是每间隔预设时长，例如一分钟或两分钟等，将采集到的图像发往控制设备10，本实施例对此不作具体限制。

控制设备10在获得摄像设备20发送的图像后，对获得的图像进行分析，可检测图像中是否存在目标对象，该目标对象可以是人体图像，即检测所采集到的图像中是否有人体图像。若有人体图像，还需检测该人体图像的姿态是否为预设姿态，其中，该预设姿态即为预先设置的用于触发移动装置停止的姿态。即在检测到人体以该预设姿态的方式出现在移动装置的前方时，则控制设备10向动力设备30发送指示消息，以通过动力设备30控制移动装置停止行进。

如此，在移动装置行进的过程中，若用户希望移动装置停止行进，以便进行商品购买等操作时，则可摆出上述预设姿态。而控制设备10在对图像进行分析，识别出存在动作姿态为上述预设姿态的用户时，则可触发动力设备30控制移动装置停车。如此，可通过自动识别及控制的方式，满足用户对于移动装置的即时需求。

本实施例中，为了能够准确识别出图像中是否存在目标对象，且识别目标对象的姿态是否为预设姿态，请参阅图4，该步骤可通过以下方式实现：

步骤s321，按照预定规则，确定所述图像中的感兴趣区域图像。

步骤s322，将所述感兴趣区域图像导入至预先建立并训练完成的识别模型进行识别，根据获得的识别结果确定所述感兴趣区域图像中是否存在所述目标对象。

步骤s323，在所述感兴趣区域图像中存在所述目标对象，按预设判别规则判断所述目标对象的姿态是否为预设姿态。

本实施例中，为了排除采集到的图像中的干扰因素，且减少图像处理工作量，可截取图像中的感兴趣区域图像，基于该感兴趣区域图像进行图像识别。其中，感兴趣区域图像为对图像进行分析处理后截取的包含目标对象的图像。

上述采集的用于对象识别的图像可以是连续的多帧图像，通过对该多帧图像进行分析处理，以确定出图像中的感兴趣区域图像。本实施例中，考虑到单路摄像头的拍摄角度在128度左右，以该角度范围采集到的图像一般存在畸变，因此，可预先对采集到的各帧图像进行畸变处理，以消除各帧图像的边缘存在的畸变现象。

并且，为了降低图像处理量，可先对各帧图像进行下采样处理，然后，再针对该多帧图像中的最后一帧图像，获得该最后一帧图像中包含的初步对象，其中，该初步对象为在多帧图像的每一帧图像中均存在的对象。即获得在该多帧图像的每一帧图像中均有出现的对象，以避免有些极短暂出现的对象对识别结果造成的干扰，以提高识别结果的稳定性。

其中，这些对象可能是人、树、房屋等对象，为了进一步地滤除一些干扰因素，可基于上述的最后一帧图像，获得该最后一帧图像中处于设定区域内的初步对象。其中，考虑到人体一般是出现在例如道路中间或道路旁，而摄像设备20采集图像的采集视角一般是从道路出发进行采集，因此，该设定区域可以是图像的中间区域，或者是靠近中间区域的位置，而排除开图像中的如空中区域等位置。

再根据处于设定区域内的初步对象所在的区域，确定出图像中的感兴趣区域图像。例如，在设定区域内的初步对象为多个时，则可将该多个初步对象所在的区域整体作为感兴趣区域。如此，可提高获得的感兴趣区域内的初步对象为人体的概率。

在确定出感兴趣区域图像后，可通过预先建立并训练完成的识别模型进行识别，其中，该识别模型可以是预先基于神经网络模型所训练获得。可选地，预先建立神经网络模型，该神经网络模型可以是卷积神经网络模型，具体不限。并获得多张包含目标对象的样本图像。利用样本图像对神经网络模型进行训练，得到满足精度要求的识别模型。

在本实施例中，为了提高对象识别的准确度，可对感兴趣区域图像进行上采样处理，基于上采样处理后的感兴趣区域图像进行后续处理操作。

在利用识别模型进行目标对象识别时，为了减少单次识别时图像的处理量，并且，考虑到感兴趣图像中可能存在多个目标对象，为了避免目标对象之间的识别干扰，因此，可将感兴趣区域图像按竖直方向划分为多个条形区域图像。再将各个条形区域图像分别导入至预先建立并训练完成的识别模型进行识别，根据获得的识别结果确定各条形区域图像中是否存在目标对象。

本实施例中，之所以将感兴趣区域图像按竖直方向进行划分，是考虑到人体在图像中出现一般是以竖直方向呈现，如此，在有多个目标对象的情况下，可便于将各个目标对象分割开。

此外，在本实施例中，为了避免由于在划分条形区域图像时，划分精度的不合理性，导致存在如单个目标对象被划分在不同的条形区域图像内，或者是将多个目标对象划分在同一个条形区域图像内等现象，从而对识别结果造成影响。因此，在实施时，可对感兴趣区域图像进行多次划分，每次可按不同的精度进行划分。再将每次划分得到的多个条形区域图像导入至识别模型进行识别。最后，挑选出其中的较好的识别结果。

本实施例中，若通过上述步骤确定图像中存在目标对象，即图像中存在人体。考虑到实际应用场景中，可能会存在一些例如人形牌、广告牌等中的人体造成干扰，因此，本实施例提供的行进控制方法还包括以下步骤，以排除这类干扰：

可根据目标对象在图像中的尺寸，按预设转换算法计算得到目标对象的真实尺寸，并检测获得的真实尺寸是否处于预设范围内，若处于预设范围内，则表明该目标对象极大可能是真实人体，可进行后续的预设姿态的识别。

真实场景在呈现至图像之后，目标对象在图像中的尺寸是基于图像坐标系所获得，图像坐标系和真实的物理坐标系之间存在比例尺的转换，该转换关系可预先获得并存储至控制设备10中。所述的预设转换算法即可为根据该预存的比例尺之间的转换关系进行转换的方法。

本实施例中，所述的尺寸可以是竖直方向上的尺寸，所针对的可招停移动装置的用户为成年用户，一般性地，成年用户的身高范围可在一定范围内，例如一米五到两米之间。而例如人形牌或广告牌等中的人体一般较小，其尺寸一般不处于该预设范围内。因此，可通过检测目标对象的真实尺寸是否在该预设范围内的方式，以排除开非真实人体的干扰。

在通过上述方式确定出图像中存在真实人体后，可按预设判别规则判断目标对象的姿态是否为预先所设定的用于触发控制移动装置停止的预设姿态。

请参阅图5，在本实施例中，作为一种可能的实现方式，可通过以下步骤实现姿态的识别：

步骤s3231，将所述目标对象导入至预先建立的分类器进行分类判别，其中，所述分类器为预先基于多张正样本图像和多张负样本图像训练获得，所述正样本图像中包含姿态为所述预设姿态的训练对象，所述负样本图像包含姿态为除所述预设姿态之外的其他姿态的训练对象。

步骤s3232，根据所述分类器的分类判别结果判断所述目标对象的姿态是否为预设姿态。

本实施例中，可预先基于支持向量机进行训练以建立得到所述分类器，可利用多张包含姿态为所述预设姿态的训练对象的正样本图像，以及多张姿态为除所述预设姿态之外的其他姿态的训练对象的负样本图像对建立的支持向量机进行训练。其中，所述训练对象即为人体图像，预设姿态可根据需求进行设置，例如可以是双手平举、单手平举、单手弯曲等，具体地在本实施例中不作限制。通过训练获得的分类器可实现预设姿态以及非预设姿态的判别。

通过所述分类器对目标对象的姿态进行识别，根据分类器的输出结果可确定目标对象的姿态是否为预设姿态，例如，在分类器的输出结果为0时，即表明目标对象的姿态并非预设姿态，在分类器的输出结果为1时，表明目标对象的姿态为预设姿态。

此外，请参阅图6，本实施例中，作为另一种可能的实施方式，还可通过以下方式实现姿态的识别：

步骤s2333，获得所述人体图像的手部区域的骨骼关键点；

步骤s2334，获得所述手部区域的骨骼关键点相对于所述人体的躯干的相对角度；

步骤s2335，检测所述相对角度是否处于预设角度范围，若处于所述预设角度范围，则执行以下步骤s2336，否则，执行以下步骤s2337。

步骤s2336，判定所述目标对象的姿态为预设姿态。

步骤s2337，判定所述目标对象的姿态不为所述预设姿态。

本实施例中，由上述可知，目标对象为人体图像，可通过识别获得人体的骨骼关键点的方式，以判定人体的姿态是否为预设姿态。考虑到实施起来的方便性，可以设定该预设姿态为手臂的姿态。

识别获得的人体图像包括人体的四肢以及人体的躯干，因此，可以人体的躯干为基准，通过检测手部区域相对于躯干的状态从而确定其姿态是否为预设姿态。

请结合参阅图7，可获得人体图像的手部区域的骨骼关键点，该骨骼关键点包括如肩部关键点、手肘关键点以及手腕关键点等。再获得手部区域的骨骼关键点相对于人体的躯干的相对角度。例如，可将获得的如肩部关键点、手肘关键点以及手腕关键点依次连线，再获得连线与躯干之间的相对角度。

如果该相对角度处于预设角度范围，则可判定其姿态为预设姿态。例如，若预设姿态为手臂平举，则上述连线与躯干之间的相对角度应该在90度左右，因此，若上述连线与躯干之间的相对角度在90度左右时，则可确定其姿态为预设姿态。

需要说明的是，上述仅对预设姿态进行举例说明，在实施时，可根据需求设置不同的预设姿态的形式，本实施例对此不作具体限制。

若在通过以上步骤确定目标对象的姿态为预设姿态时，则表明此时有用户希望能够招停移动装置的需求。控制设备10可向动力设备30发送指示消息，以通过动力设备30控制移动装置停止行进。

本实施例中，考虑到在识别确定有目标对象需要招停移动装置时，可能移动装置与目标对象之间还存在一定距离，为了为客户提供便利，请参阅图8，本实施例提供的行进控制方法还包括以下步骤：

步骤s810，根据所述图像中的目标对象的深度信息，计算得到所述目标对象与所述移动装置之间的距离。

步骤s820，根据所述距离以及所述移动装置的行进速度，计算得到行进时长。

步骤s830，按所述行进时长进行计时，并在计时结束后执行所述向所述动力设备30发送指示消息的步骤。

本实施例中，可通过深度识别算法获得图像中的目标对象的深度信息，其中，所述深度识别算法可采用目前常用的例如基于聚焦信息的识别方法、基于散焦信息的识别算法或者是基于明暗变化的识别方法等，具体在本实施例中不作限制。

根据图像中目标对象的深度信息即可计算得到目标对象与移动装置之间的距离，再结合移动装置的行进速度，从而可以计算得到行进到目标对象处的时长。上述的行进时长可以是刚好行进到目标对象处的时长，也可以是行进到与目标对象距离预设间隔的位置处的时长，该预设间隔可以是例如一米或两米等具体不限。

如此，控制设备10可按获得的行进时长进行计时，并在计时结束后向动力设备30发送指示消息，以用于指示动力设备30控制移动装置停止行进。

本实施例中，移动装置为无人售货车时，在无人售货车停止行进后，用户可利用无人售货车上的触控屏幕进行商品选购，在用户成功完成支付后，无人售货车投放相应的商品，以完成用户的选购。

在用户选购结束后，若检测到持续设定时长未探测到用户的选购操作时，表明用户此时无购买需求，无人售货车可继续按预先设定路线行进。

本实施例中，在移动装置行进的过程中，通过对移动装置上的摄像设备20所采集到的图像进行分析，以确定在移动装置的前方范围内是否有目标对象，并且目标对象的姿态是否为预设姿态，若具有目标对象且目标对象的姿态为预设姿态，可确定此时有用户希望移动装置停止行进。进而，可相应地通过动力设备30控制移动装置行进。如此，可通过图像识别的方式，自动控制移动装置停止，避免现有的移动装置只能在固定地点停留所存在的，难以很好满足用户对移动装置的即时需求的问题。

请参阅图9，为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种行进控制装置140的实现方式，可选地，该行进控制装置140可以采用上述图2所示的控制设备10的器件结构。进一步地，图9为本申请实施例提供的一种行进控制装置140的功能模块图。需要说明的是，本实施例所提供的行进控制装置140，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该行进控制装置140包括图像获取模块141、检测模块142以及发送模块143。

图像获取模块141，用于在所述移动装置行进过程中，获取所述摄像设备20采集到的图像。可以理解，该图像获取模块141可以用于执行上述步骤s310，关于该图像获取模块141的详细实现方式可以参照上述对步骤s310有关的内容。

检测模块142，用于检测所述图像中是否存在目标对象且所述目标对象的姿态是否为预设姿态。可以理解，该检测模块142可以用于执行上述步骤s320，关于该检测模块142的详细实现方式可以参照上述对步骤s320有关的内容。

发送模块143，用于在所述图像中存在所述目标对象且所述目标对象的姿态为所述预设姿态时，向所述动力设备30发送指示消息，所述指示消息用于指示所述动力设备30控制所述移动装置停止行进。可以理解，该发送模块143可以用于执行上述步骤s330，关于该发送模块143的详细实现方式可以参照上述对步骤s330有关的内容。

在一种可能的实施方式中，检测模块142可以用于通过以下方式进行检测操作：

按照预定规则，确定所述图像中的感兴趣区域图像；

将所述感兴趣区域图像导入至预先建立并训练完成的识别模型进行识别，根据获得的识别结果确定所述感兴趣区域图像中是否存在所述目标对象；

若所述感兴趣区域图像中存在所述目标对象，按预设判别规则判断所述目标对象的姿态是否为预设姿态。

在本实施例中，采集到的图像包括连续的多帧图像，检测模块142可通过以下方式确定所述感兴趣区域图像：

针对所述多帧图像中的最后一帧图像，获得该最后一帧图像中包含的初步对象，所述初步对象为在所述多帧图像的每一帧图像中均存在的对象；

获取所述最后一帧图像中处于设定区域内的初步对象；

根据处于所述设定区域内的初步对象所在的区域，确定所述图像中的感兴趣区域图像。

在一种可能的实施方式中，检测模块142可用于通过以下方式进行目标对象的识别：

将所述感兴趣区域图像按竖直方向划分为多个条形区域图像；

将各所述条形区域图像分别导入至预先建立并训练完成的识别模型进行识别，根据获得的识别结果确定各所述条形区域图像中是否存在所述目标对象。

在本实施例中，检测模块142还可用于：

根据所述目标对象在所述图像中的尺寸，按预设转换算法计算得到所述目标对象的真实尺寸；

检测所述真实尺寸是否处于预设范围内，若处于所述预设范围内，则执行所述按预设判别规则判断所述目标对象的姿态是否为预设姿态的步骤。

在本实施例中，作为一种可能的实施方式，检测模块142可通过以下方式进行姿态判断：

将所述目标对象导入至预先建立的分类器进行分类判别，其中，所述分类器为预先基于多张正样本图像和多张负样本图像训练获得，所述正样本图像中包含姿态为所述预设姿态的训练对象，所述负样本图像包含姿态为除所述预设姿态之外的其他姿态的训练对象；

根据所述分类器的分类判别结果判断所述目标对象的姿态是否为预设姿态。

作为另一种可能的实施方式，检测模块142还可通过以下方式进行姿态的判断：

获得所述人体图像的手部区域的骨骼关键点；

获得所述手部区域的骨骼关键点相对于所述人体的躯干的相对角度；

检测所述相对角度是否处于预设角度范围，若处于所述预设角度范围，则判定所述目标对象的姿态为预设姿态。

在本实施例中，所述行进控制装置140还可包括控制模块，该控制模块可用于：

根据所述图像中的目标对象的深度信息，计算得到所述目标对象与所述移动装置之间的距离；

根据所述距离以及所述移动装置的行进速度，计算得到行进时长；

按所述行进时长进行计时，并在计时结束后触发所述发送模块143向所述动力设备30发送指示消息。

本申请实施例所提供的行进控制装置140可执行本申请任意实施例所提供的行进控制方法，具备执行方法相应的功能模块和有益效果。

可选地，上述模块可以软件或固件(firmware)的形式存储于图2所示的存储器120中或固化于该控制设备10的操作系统(operatingsystem，os)中，并可由图2中的处理器110执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器120中。

本申请实施例还提供一种包含机器可执行指令的机器可读存储介质，所述机器可执行指令在由计算机处理器执行时用于执行本申请任意实施例所提供的行进控制方法的相关操作。

综上所述，本申请实施例提供的行进控制方法、装置、设备、可读存储介质和移动装置，通过在移动装置行进过程中，利用摄像设备20采集图像，并对图像进行分析，以检测图像中是否存在目标对象且目标对象的姿态是否为预设姿态。若采集到的图像中存在目标对象且目标对象的姿态为预设姿态，则可通过动力设备30控制移动装置停止行进。本方案中，通过对采集到的图像进行分析处理的方式，在确定有目标对象且目标对象的姿态为预设姿态时，则可自动控制移动装置停止，避免现有的移动装置只能在固定地点停留所存在的，难以很好满足用户对移动装置的即时需求的问题。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。