一种目标操作的执行方法、装置、存储介质及水池机器人与流程

1.本技术实施例涉及计算机领域，具体而言，涉及一种目标操作的执行方法、装置、存储介质及水池机器人。


背景技术：

2.凭借着低廉的成本与极低的出错率，机器人正在逐渐取代人类的许多劳力工作。例如，现有的在水中工作的机器人可以在水中执行特定的操作(例如，清洁、打捞等)，但该机器人会存在一定问题，该机器人仅会识别其需要打捞或清理的垃圾等物品，无法对其他的一些特定对象进行有效识别，例如，在机器人工作水域存在游玩人员、宠物，或者在遭遇人员、宠物意外落水的情形时，现有水池机器人无法对上述人员或宠物进行识别，从而造成不必要的风险。
3.针对上述问题，相关技术尚未提出有效的解决方案。


技术实现要素：

4.本技术实施例提供了一种目标操作的执行方法、装置、存储介质及水池机器人，以至少解决相关技术中机器人无法识别目标水域中目标对象，进而可能造成安全风险的问题。
5.根据本技术的一个实施例，提供了一种目标操作的执行方法，包括：获取水池机器人所拍摄到的上述目标水域内的图像信息；对上述图像信息进行分析，得到分析结果；在确定上述分析结果用于指示上述目标水域内存在目标对象，且上述目标对象存在目标行为的情况下，控制上述水池机器人执行与上述目标行为对应的目标操作，其中，上述目标对象的类型为预定类型。
6.在一个示例性实施例中，对上述图像信息进行分析，得到分析结果包括：将上述图像信息输入至目标网络模型，得到上述目标网络模型输出的上述图像中包括的对象的特征信息，其中，上述特征信息包括每帧上述图像中包括的对象的空间特征和语义特征；基于上述特征信息确定上述目标水域内的对象信息，其中，上述分析结果包括上述对象信息，上述对象信息包括上述目标水域内是否存在目标对象，以及，在确定存在目标对象的情况下，上述目标对象的行为。
7.在一个示例性实施例中，在将上述图像信息输入至目标网络模型之前，上述方法还包括：获取样本图像信息，其中，上述样本图像信息中包括上述目标对象；在上述样本图像信息中对上述目标对象以及上述目标对象的行为进行标记，得到标记后的样本图像信息；利用上述标记后的样本图像信息训练原始网络模型，得到上述目标网络模型。
8.在一个示例性实施例中，在确定上述分析结果用于指示上述目标水域内存在目标对象，且上述目标对象存在目标行为的情况下，控制上述水池机器人执行与上述目标行为对应的目标操作包括：在确定上述目标行为包括第一目标行为的情况下，获取上述目标对象在上述目标水域中的位置信息，其中，上述第一目标行为的危险等级低于预定危险等级；
基于上述目标对象在上述目标水域中的位置信息重新规划上述水池机器人的运动路线，其中，重新规划后的上述运动路线与上述目标对象的直线距离大于预定距离阈值。
9.在一个示例性实施例中，获取上述目标对象在上述目标水域中的位置信息包括：从上述图像信息中确定出包括上述目标对象的多帧图像；基于多帧融合技术对上述图像信息进行分析，确定出上述目标对象在上述目标水域中的位置信息。
10.在一个示例性实施例中，基于多帧融合技术对上述图像信息进行分析，确定出上述目标对象在上述目标水域中的位置信息包括：对上述多帧图像进行融合处理，得到融合后的目标图像；确定上述目标对象在上述目标图像中的像素坐标；基于上述水池机器人的拍摄参数将上述像素坐标转化为上述水池机器人的相机坐标系下的归一化坐标；基于上述归一化坐标与上述水池机器人的运动信息确定上述目标对象在上述目标水域中的位置信息。
11.在一个示例性实施例中，在确定上述分析结果用于指示上述目标水域内存在目标对象，且上述目标对象存在目标行为的情况下，控制上述水池机器人执行与上述目标行为对应的目标操作包括：在确定上述目标行为包括第二目标行为的情况下，控制上述水池机器人报警，其中，上述第二目标行为的危险等级高于预定危险等级。
12.根据本技术的另一个实施例，提供了一种目标操作的执行装置，包括：第一获取模块，用于获取水池机器人所拍摄到的上述目标水域内的图像信息；分析模块，用于对上述图像信息进行分析，得到分析结果；控制模块，用于在确定上述分析结果用于指示上述目标水域内存在目标对象，且上述目标对象存在目标行为的情况下，控制上述水池机器人执行与上述目标行为对应的目标操作，其中，上述目标对象的类型为预定类型。
13.在一个示例性实施例中，上述分析模块包括：输入子模块，用于将上述图像信息输入至目标网络模型，得到上述目标网络模型输出的上述图像中包括的对象的特征信息，其中，上述特征信息包括每帧上述图像中包括的对象的空间特征和语义特征；确定子模块，用于基于上述特征信息确定上述目标水域内的对象信息，其中，上述分析结果包括上述对象信息，上述对象信息包括上述目标水域内是否存在目标对象，以及，在确定存在目标对象的情况下，上述目标对象的行为。
14.在一个示例性实施例中，上述装置还包括：第二获取模块，用于在将上述图像信息输入至目标网络模型之前，获取样本图像信息，其中，上述样本图像信息中包括上述目标对象；标记模块，用于在上述样本图像信息中对上述目标对象以及上述目标对象的行为进行标记，得到标记后的样本图像信息；训练模块，用于利用上述标记后的样本图像信息训练原始网络模型，得到上述目标网络模型。
15.在一个示例性实施例中，上述控制模块包括：获取子模块，用于在确定上述目标行为包括第一目标行为的情况下，获取上述目标对象在上述目标水域中的位置信息，其中，上述第一目标行为的危险等级低于预定危险等级；规划子模块，用于基于上述目标对象在上述目标水域中的位置信息重新规划上述水池机器人的运动路线，其中，重新规划后的上述运动路线与上述目标对象的直线距离大于预定距离阈值。
16.在一个示例性实施例中，上述获取子模块还包括：第一确定单元，用于从上述图像信息中确定出包括上述目标对象的多帧图像；第二确定单元，用于基于多帧融合技术对上述图像信息进行分析，确定出上述目标对象在上述目标水域中的位置信息。
17.在一个示例性实施例中，上述第二确定单元还包括：融合子单元，用于对上述多帧图像进行融合处理，得到融合后的目标图像；第一确定子单元，用于确定上述目标对象在上述目标图像中的像素坐标；转化子单元，用于基于上述水池机器人的拍摄参数将上述像素坐标转化为上述水池机器人的相机坐标系下的归一化坐标；第二确定子单元，用于基于上述归一化坐标与上述水池机器人的运动信息确定上述目标对象在上述目标水域中的位置信息。
18.在一个示例性实施例中，上述控制模块还包括，控制子模块，用于在确定上述目标行为包括第二目标行为的情况下，控制上述水池机器人报警，其中，上述第二目标行为的危险等级高于预定危险等级。
19.根据本技术的又一个实施例，还提供了一种计算机可读存储介质，上述计算机可读存储介质中存储有计算机程序，其中，上述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
20.根据本技术的又一个实施例，还提供了一种水池机器人，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行上述任一项方法实施例中的步骤。
21.通过本技术，通过分析水池机器人拍摄的图像信息，从而确定目标对象，进而根据目标对象行为控制水池机器人的目标操作，可以解决在复杂情境下水池机器人无法识别目标水域中目标对象，进而可能造成安全风险的问题，有效提高水池机器人在执行目标操作时的灵活性。
附图说明
22.图1是根据本技术实施例的目标操作的执行方法的移动终端的硬件结构框图；
23.图2是根据本技术实施例的目标操作的执行方法的流程图；
24.图3是根据本技术实施例的水池机器人的重新规划的运动路线图；
25.图4是根据本技术实施例的目标操作的执行装置的结构框图。
具体实施方式
26.下文中将参考附图并结合实施例来详细说明本技术的实施例。
27.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
28.本技术实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本技术实施例的一种目标操作的执行方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
29.存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本申
请实施例中的目标操作的执行方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
30.传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(networkinterfacecontroller，简称为nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(radiofrequency，简称为rf)模块，其用于通过无线方式与互联网进行通讯。
31.在本实施例中提供了一种目标操作的执行方法，图2是根据本技术实施例的流程图，如图2所示，该流程包括如下步骤：
32.步骤s202，获取水池机器人所拍摄到的上述目标水域内的图像信息；
33.步骤s204，对上述图像信息进行分析，得到分析结果；
34.步骤s206，在确定上述分析结果用于指示上述目标水域内存在目标对象，且上述目标对象存在目标行为的情况下，控制上述水池机器人执行与上述目标行为对应的目标操作，其中，上述目标对象的类型为预定类型。
35.其中，上述步骤的执行主体可以为水池机器人的控制器，或者是具备数据处理、信号交互能力的处理器，或者还可以是其他的具备类似处理能力的处理设备或处理单元等但不限于此。
36.在上述实施例中，水池机器人可以对目标水域进行清洁，上述目标水域包括但不限于泳池、观赏型水库，野外水池、海边等。上述水池机器人可以位于目标水域水面，也可以位于目标水域水底，或者悬浮与目标水域内，在上述目标水域是泳池的情况下还可以位于泳池池壁。对上述图像信息进行分析可以采用通过预先训练的网络模型对图像信息进行识别，或者是利用其他的图像分析设备对图像信息进行识别的方式。上述目标对象的预定类型可以是人，还可以是动物(例如宠物猫、宠物狗等)，此外，上述目标对象还可以是其他的具备自主移动能力的机器人。在上述目标对象是人的情况下，目标行为可以包括游泳、落水、溺水、水面水下工作等。在目标行为是游泳、水下水面工作等需要空间的活动，对应的目标操作可以是重新规划水池机器人以避开目标对象，从而为目标的行为提供便利，在目标行为是落水、溺水等意外情形时，对应的目标操作可以是控制水池机器人发出报警信号。上述水池机器人配备有防水等级较高的摄像头，该摄像头可以置于水池机器人的前端，侧面，顶端等位置，具体设置位置不限。上述图像信息可以是图片，可以是包括多帧图像的视频。
37.通过本技术，通过分析水池机器人拍摄的图像信息，从而确定出该水域内是否存在目标对象，进而在确定存在目标对象的情况下，能够根据目标对象行为控制水池机器人执行目标操作，可以解决在复杂情境下水池机器人无法识别目标水域中目标对象，进而可能造成安全风险的问题，有效提高水池机器人在执行目标操作时的灵活性。
38.在一个示例性实施例中，对上述图像信息进行分析，得到分析结果包括：将上述图像信息输入至目标网络模型，得到上述目标网络模型输出的上述图像中包括的对象的特征
信息，其中，上述特征信息包括每帧上述图像中包括的对象的空间特征和语义特征；基于上述特征信息确定上述目标水域内的对象信息，其中，上述分析结果包括上述对象信息，上述对象信息包括上述目标水域内是否存在目标对象，以及，在确定存在目标对象的情况下，上述目标对象的行为。在上述实施例中，上述空间特征也即浅层视觉特征，包括纹理、颜色、形状、空间关系等，上述语义特征包括深层的对象与对象间的关系。上述目标网络模型包括多层结构，在完成图像信息中候选区域的划分后，浅层结构用于识别空间特征，深层结构用于识别语义特征，最后上述目标网络模型对目标对象的类型进行确认，完成输出结果中目标对象框的回归。通过上述实施例，通过训练好的目标网络模型对图像信息进行识别，准确率高，效率高，能够从整体上提高水池机器人的目标操作的执行效率。
39.在一个示例性实施例中，在将上述图像信息输入至目标网络模型之前，上述方法还包括：获取样本图像信息，其中，上述样本图像信息中包括上述目标对象；在上述样本图像信息中对上述目标对象以及上述目标对象的行为进行标记，得到标记后的样本图像信息；利用上述标记后的样本图像信息训练原始网络模型，得到上述目标网络模型。在上述实施例中，上述样本图像信息可以是网络资源，也可以是人工拍摄的数据，还可以是ai生成的训练素材，对样本图像中的目标对象进行标记可以采取人工标记的方式，每个样本图像可以包括多个目标对象。上述原始网络模型可以是rcnn(region-based convolutional neural networks，区域卷积神经网络)算法，还可以是fast rcnn(rcnn算法的优化版本，候选区域提取的方法在处理器上实现)。当然，上述算法仅仅是一种说明性的示例，原始网络模型可以是任一能够满足识别需求的模型。在通过上述实施例，通过包括目标对象的图像信息对原始网络模型进行训练，能够有效提高目标网络模型识别表现，提高目标对象定位的准确率。
40.在一个示例性实施例中，在确定上述分析结果用于指示上述目标水域内存在目标对象，且上述目标对象存在目标行为的情况下，控制上述水池机器人执行与上述目标行为对应的目标操作包括：在确定上述目标行为包括第一目标行为的情况下，获取上述目标对象在上述目标水域中的位置信息，其中，上述第一目标行为的危险等级低于预定危险等级；基于上述目标对象在上述目标水域中的位置信息重新规划上述水池机器人的运动路线，其中，重新规划后的上述运动路线与上述目标对象的直线距离大于预定距离阈值。在上述实施例中，上述第一目标行为可以是目标对象在目标水域中游泳，目标对象在目标水域中工作等低危险度行为。上述预定距离阈值可以是3m、也可以是5m，还可以是4m，此外，上述预定距离还可以是基于目标对象的活动范围所确定，或者基于目标对象的体型，或者基于目标对象的具体类型来确定。当然，上述距离仅仅是一种说明性的示例，上述预定距离阈值可以是不影响目标对象第一目标行为的任一合理范围。示例性地，图3示出了在目标水域为泳池且水池机器人原始路线为“弓”字型遍历泳池的情况下，上述水池机器人在检测到目标对象的第一目标行为的情况下，重新规划后的运动路线。如图3所示，重新规划后的路线与目标对象保持了预设距离，能够实现在不干扰目标对象目标行为的情况下完成清洁工作。在上述实施例中，可以通过目标对象的位置信息重新规划水池机器人运动路线，能够在不对目标对象产生干扰的前提下完成目标操作，有效提高了目标操作执行的灵活性。
41.可选的，上述方法还包括：基于间隔预设时间获取的目标对象位置信息更新上述运动路线。在上述实施例中实际上是以最新确定的目标对象的位置信息为准重新规划水池
机器人的运动路线，其中，预设时间可以是1/10秒，可以是1/8秒，还可以是1/7秒，当然，上述预设时间仅仅是一种说明性的示例，可以参考包括水池机器人处理速度，目标水域环境状况进行适应性地调整。通过上述实施例，可以做到实时更新水池机器人规划的运动路线，实现了根据目标对象的移动实时调整水池机器人的运动路线。
42.在一个示例性实施例中，获取上述目标对象在上述目标水域中的位置信息包括：从上述图像信息中确定出包括上述目标对象的多帧图像；基于多帧融合技术对上述图像信息进行分析，确定出上述目标对象在上述目标水域中的位置信息。在上述实施例中，确定多帧图像可以通过取连续拍摄的多帧图像的方式，还可以取间隔预设时间拍摄的帧图像，也可以是通过从多帧图像中随机选取的方式确定多帧图像。上述预设时间可以是10ms、也可以是20ms，此外，上述预设时间还可以是基于水池机器人配置的相机拍摄视频的帧率确定，或者基于多帧融合技术的技术需要，还可以基于图像信息处理情况对该预设数时间进行微调。在上述实施例中，可以通过多帧图像中目标对象的像素坐标获得目标对象的物理位置，多帧融合技术有效提高了整体上目标操作的执行效率。
43.在一个示例性实施例中，基于多帧融合技术对上述图像信息进行分析，确定出上述目标对象在上述目标水域中的位置信息包括：对上述多帧图像进行融合处理，得到融合后的目标图像；确定上述目标对象在上述目标图像中的像素坐标；基于上述水池机器人的拍摄参数将上述像素坐标转化为上述水池机器人的相机坐标系下的归一化坐标；基于上述归一化坐标与上述水池机器人的运动信息确定上述目标对象在上述目标水域中的位置信息。在上述实施例中，对多帧图像进行融合处理时，可以采用常规的处理方式，例如基于最大/最小值的图像融合、基于像素加权平均的图像融合、基于多尺度的图像融合、基于变换域的图像融合(例如基于小波变换融合、基于nsst图像融合等)。在上述实施例中，基于上述归一化坐标与上述水池机器人的运动信息确定目标对象的位置信息的一个可实现的流程包括：在多个像素坐标中选择两个连续帧的像素坐标，再计算该两个像素坐标的坐标差，并基于该计算结果确定两个像素坐标对应的两个归一化坐标差，最后基于在水池机器人拍摄坐标系下水池机器人和归一化面的距离与水池机器人和目标对象距离的比值、归一化坐标差与两帧像素坐标对应的水池机器人坐标差(对应于上述水池机器人运动信息)的比值存在的几何关系确定水池机器人和目标对象距离，结合归一化坐标或像素坐标指示的目标对象方向，确定目标对象在相机坐标系下的位置。通过上述实施例，利用相机坐标系下归一化坐标、水池机器人和目标对象距离的几何关系快速确定目标对象位置，有效提高了目标对象位置的确定效率。
44.在一个示例性实施例中，在确定上述分析结果用于指示上述目标水域内存在目标对象，且上述目标对象存在目标行为的情况下，控制上述水池机器人执行与上述目标行为对应的目标操作包括：在确定上述目标行为包括第二目标行为的情况下，控制上述水池机器人报警，其中，上述第二目标行为的危险等级高于预定危险等级。在上述实施例中，上述第二目标行为可以是人落水、宠物猫狗落水、人游泳过程中抽搐等危险度较高的行为。上述报警包括但不限于声音报警、消息报警等，即，可以由水池机器人发出声音、消息来进行报警，例如，可以由水池机器人发送报警信息至服务器，在存在相应app的情况下发送到用户设备上。通过水池机器人在工作过程对该类行为进行识别并报警，可以有效提高该类行为的响应速度，降低意外结果发生可能。
45.可选的，在确定上述分析结果用于指示上述目标水域内存在目标对象，且上述目标对象存在目标行为的情况下，控制上述水池机器人执行与上述目标行为对应的目标操作包括：在确定上述目标行为包括第二目标行为的情况下，控制上述水池机器人发送上述目标对象的位置信息。在本实施例中，可以基于水池机器人的位置信息以及该水池机器人相对于目标对象的距离和角度确定出目标对象的位置信息，其中，上述位置信息包括但不限于经纬度、深度等。
46.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例上述的方法。
47.在本实施例中还提供了一种目标操作的执行装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
48.图4是根据本技术实施例的目标操作的执行装置的结构框图，如图4所示，该装置包括：第一获取模块42，用于获取水池机器人所拍摄到的上述目标水域内的图像信息；分析模块44，用于对上述图像信息进行分析，得到分析结果；控制模块46，用于在确定上述分析结果用于指示上述目标水域内存在目标对象，且上述目标对象存在目标行为的情况下，控制上述水池机器人执行与上述目标行为对应的目标操作，其中，上述目标对象的类型为预定类型。
49.在一个示例性实施例中，上述分析模块44包括：输入子模块，用于将上述图像信息输入至目标网络模型，得到上述目标网络模型输出的上述图像中包括的对象的特征信息，其中，上述特征信息包括每帧上述图像中包括的对象的空间特征和语义特征；确定子模块，用于基于上述特征信息确定上述目标水域内的对象信息，其中，上述分析结果包括上述对象信息，上述对象信息包括上述目标水域内是否存在目标对象，以及，在确定存在目标对象的情况下，上述目标对象的行为。
50.在一个示例性实施例中，上述装置还包括：第二获取模块，用于在将上述图像信息输入至目标网络模型之前，获取样本图像信息，其中，上述样本图像信息中包括上述目标对象；标记模块，用于在上述样本图像信息中对上述目标对象以及上述目标对象的行为进行标记，得到标记后的样本图像信息；训练模块，用于利用上述标记后的样本图像信息训练原始网络模型，得到上述目标网络模型。
51.在一个示例性实施例中，上述控制模块46包括：获取子模块，用于在确定上述目标行为包括第一目标行为的情况下，获取上述目标对象在上述目标水域中的位置信息，其中，上述第一目标行为的危险等级低于预定危险等级；规划子模块，用于基于上述目标对象在上述目标水域中的位置信息重新规划上述水池机器人的运动路线，其中，重新规划后的上述运动路线与上述目标对象的直线距离大于预定距离阈值。
52.在一个示例性实施例中，上述获取子模块还包括：第一确定单元，用于从上述图像
信息中确定出包括上述目标对象的多帧图像；第二确定单元，用于基于多帧融合技术对上述图像信息进行分析，确定出上述目标对象在上述目标水域中的位置信息。
53.在一个示例性实施例中，上述第二确定单元还包括：融合子单元，用于对上述多帧图像进行融合处理，得到融合后的目标图像；第一确定子单元，用于确定上述目标对象在上述目标图像中的像素坐标；转化子单元，用于基于上述水池机器人的拍摄参数将上述像素坐标转化为上述水池机器人的相机坐标系下的归一化坐标；第二确定子单元，用于基于上述归一化坐标与上述水池机器人的运动信息确定上述目标对象在上述目标水域中的位置信息。
54.在一个示例性实施例中，上述控制模块46还包括，控制子模块，用于在确定上述目标行为包括第二目标行为的情况下，控制上述水池机器人报警，其中，上述第二目标行为的危险等级高于预定危险等级。
55.需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
56.本技术的实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
57.在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：u盘、只读存储器(read-onlymemory，简称为rom)、随机存取存储器(randomaccessmemory，简称为ram)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
58.本技术的实施例还提供了一种水池机器人，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
59.在一个示例性实施例中，上述水池机器人还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
60.本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。
61.显然，本领域的技术人员应该明白，上述的本技术的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本技术不限制于任何特定的硬件和软件结合。
62.以上上述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。

技术特征：
1.一种目标操作的执行方法，其特征在于，包括：获取水池机器人所拍摄到的所述目标水域内的图像信息；对所述图像信息进行分析，得到分析结果；在确定所述分析结果用于指示所述目标水域内存在目标对象，且所述目标对象存在目标行为的情况下，控制所述水池机器人执行与所述目标行为对应的目标操作，其中，所述目标对象的类型为预定类型。2.根据权利要求1所述的方法，其特征在于，对所述图像信息进行分析，得到分析结果包括：将所述图像信息输入至目标网络模型，得到所述目标网络模型输出的所述图像中包括的对象的特征信息，其中，所述特征信息包括每帧所述图像中包括的对象的空间特征和语义特征；基于所述特征信息确定所述目标水域内的对象信息，其中，所述分析结果包括所述对象信息，所述对象信息包括所述目标水域内是否存在目标对象，以及，在确定存在目标对象的情况下，所述目标对象的行为。3.根据权利要求2所述的方法，其特征在于，在将所述图像信息输入至目标网络模型之前，所述方法还包括：获取样本图像信息，其中，所述样本图像信息中包括所述目标对象；在所述样本图像信息中对所述目标对象以及所述目标对象的行为进行标记，得到标记后的样本图像信息；利用所述标记后的样本图像信息训练原始网络模型，得到所述目标网络模型。4.根据权利要求1所述的方法，其特征在于，在确定所述分析结果用于指示所述目标水域内存在目标对象，且所述目标对象存在目标行为的情况下，控制所述水池机器人执行与所述目标行为对应的目标操作包括：在确定所述目标行为包括第一目标行为的情况下，获取所述目标对象在所述目标水域中的位置信息，其中，所述第一目标行为的危险等级低于预定危险等级；基于所述目标对象在所述目标水域中的位置信息重新规划所述水池机器人的运动路线，其中，重新规划后的所述运动路线与所述目标对象的直线距离大于预定距离阈值。5.根据权利要求4所述的方法，其特征在于，获取所述目标对象在所述目标水域中的位置信息包括：从所述图像信息中确定出包括所述目标对象的多帧图像；基于多帧融合技术对所述图像信息进行分析，确定出所述目标对象在所述目标水域中的位置信息。6.根据权利要求5所述的方法，其特征在于，基于多帧融合技术对所述图像信息进行分析，确定出所述目标对象在所述目标水域中的位置信息包括：对所述多帧图像进行融合处理，得到融合后的目标图像；确定所述目标对象在所述目标图像中的像素坐标；基于所述水池机器人的拍摄参数将所述像素坐标转化为所述水池机器人的相机坐标系下的归一化坐标；基于所述归一化坐标与所述水池机器人的运动信息确定所述目标对象在所述目标水
域中的位置信息。7.根据权利要求1所述的方法，其特征在于，在确定所述分析结果用于指示所述目标水域内存在目标对象，且所述目标对象存在目标行为的情况下，控制所述水池机器人执行与所述目标行为对应的目标操作包括：在确定所述目标行为包括第二目标行为的情况下，控制所述水池机器人报警，其中，所述第二目标行为的危险等级高于预定危险等级。8.一种目标操作的执行装置，其特征在于，包括：第一获取模块，用于获取水池机器人所拍摄到的所述目标水域内的图像信息；分析模块，用于对所述图像信息进行分析，得到分析结果；控制模块，用于在确定所述分析结果用于指示所述目标水域内存在目标对象，且所述目标对象存在目标行为的情况下，控制所述水池机器人执行与所述目标行为对应的目标操作，其中，所述目标对象的类型为预定类型。9.一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中存储有计算机程序，其中，所述计算机程序被处理器执行时实现所述权利要求1至7任一项中所述的方法的步骤。10.一种水池机器人，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述权利要求1至7任一项中所述的方法的步骤。

技术总结
本申请实施例提供了一种目标操作的执行方法、装置、存储介质及水池机器人，其中，该方法包括：获取位于目标水域内的水池机器人所拍摄到的所述目标水域内的图像信息；对所述图像信息进行分析，得到分析结果；在确定所述分析结果用于指示所述目标水域内存在目标对象，且所述目标对象存在目标行为的情况下，控制所述水池机器人执行与所述目标行为对应的目标操作，其中，所述目标对象的类型为预定类型。通过本申请，解决了在复杂情境下水池机器人无法识别目标水域中目标对象，进而可能造成安全风险的问题，有效提高水池机器人在执行操作时的灵活性。活性。活性。


技术研发人员：张石磊
受保护的技术使用者：星迈创新科技（苏州）有限公司
技术研发日：2023.06.25
技术公布日：2023/9/20