1.一种机器人的控制方法，其特征在于，包括：

当控制对象呈现行为动作时，获取所述控制对象的关节位置信息，以及识别所述控制对象的面部特征；

根据所述关节位置和所述面部特征计算机器人的控制力矩；

根据所述控制力矩计算所述机器人的控制参数，其中，所述控制参数用于控制所述机器人模仿所述行为动作；

所述获取所述控制对象的关节位置信息，以及识别所述控制对象的面部特征包括：通过深度摄像头捕捉所述控制对象的三维动作图像；

基于所述控制对象的躯干中心构建第一坐标系；

基于所述第一坐标系，从所述三维动作图像中提取所述关节位置信息，根据对所述三维动作图像进行图像分割获得所述面部特征；

所述从所述三维动作图像中提取所述关节位置信息包括：向视觉定位PoseNet模型中输入所述三维动作图像；

通过调用所述PoseNet模型的估计单姿态函数estimateSinglePose()解析所述三维动作图像，得到多个关节的多组三维位置坐标；

所述根据对所述三维动作图像进行图像分割获得所述面部特征包括：获取所述三维动作图像中的点云数据；

对所述点云数据进行体素化处理，得到所述三维动作图像的平面图像；

对所述平面图像进行图像分割，以确定所述控制对象的面部区域；

识别所述面部区域中的多个关键点特征，其中，所述多个关键点特征包括所述多个关键点的位置坐标、所述多个关键点的状态以及所述多个关键点的动作时间序列对，用于识别所述控制对象的面部表情。

2.根据权利要求1所述的方法，其特征在于，根据所述关节位置和所述面部特征计算机器人的控制力矩包括：以所述机器人的指定位置为中心构建第二坐标系；

根据所述第二坐标系和第一坐标系之间的映射关系将所述关节位置信息和所述面部特征映射到所述机器人身上对应的目标位置；

基于所述指定位置计算所述目标位置的旋转角度θ；

根据所述旋转角度计算所述控制力矩。

3.根据权利要求2所述的方法，其特征在于，根据所述旋转角度计算所述控制力矩包括：通过以下公式计算所述控制力矩τ：

，

其中，H表示所述机器人的舵机的控制比例系数， 表示θ对时间的一阶导数。

4.根据权利要求1所述的方法，其特征在于，根据所述控制力矩计算所述机器人的控制参数包括：通过以下公式计算所述控制参数：

Ii=τi/K，

其中，τi表示所述控制力矩，i表示所述机器人的第i个活动部件，K表示第i个活动部件的控制电机的转角常数，Ii表示第i个活动部件的控制电机的电流。

5.一种机器人的控制装置，其特征在于，包括：

获取模块，用于当控制对象呈现行为动作时，获取所述控制对象的关节位置信息，以及识别所述控制对象的面部特征；

第一计算模块，用于根据所述关节位置和所述面部特征计算机器人的控制力矩；

第二计算模块，用于根据所述控制力矩计算所述机器人的控制参数，其中，所述控制参数用于控制所述机器人模仿所述行为动作；

所述获取模块包括：捕捉单元，用于通过深度摄像头捕捉所述控制对象的三维动作图像；第一构建单元，用于基于所述控制对象的躯干中心构建第一坐标系；提取单元，用于基于所述第一坐标系，从所述三维动作图像中提取所述关节位置信息，根据对所述三维动作图像进行图像分割获得所述面部特征；

所述提取单元包括：输入子单元，用于向视觉定位PoseNet模型中输入所述三维动作图像；解析子单元，用于通过调用所述PoseNet模型的估计单姿态函数estimateSinglePose()解析所述三维动作图像，得到多个关节的多组三维位置坐标；

所述提取单元还包括：获取子单元，用于获取所述三维动作图像中的点云数据；处理子单元，用于对所述点云数据进行体素化处理，得到所述三维动作图像的平面图像；确定子单元，用于对所述平面图像进行图像分割，以确定所述控制对象的面部区域；识别子单元，用于识别所述面部区域中的多个关键点特征，其中，所述多个关键点特征包括所述多个关键点的位置坐标、所述多个关键点的状态以及所述多个关键点的动作时间序列对，用于识别所述控制对象的面部表情。

6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。

7.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。