1.一种空调器的控制方法，其特征在于，所述空调器的控制方法包括以下步骤：
获取环境温度和人体信息；所述人体信息表征空调器作用空间内处于睡眠状态的人体情况；
将所述环境温度和所述人体信息输入睡眠温度预测模型，并将所述睡眠温度预测模型的输出结果作为所述空调器的目标睡眠温度；所述睡眠温度预测模型为用于预测所述目标睡眠温度的机器学习模型；
根据所述目标睡眠温度控制所述空调器运行。
2.如权利要求1所述的空调器的控制方法，其特征在于，所述获取环境温度和人体信息的步骤之前，还包括：
获取样本集；
根据所述样本集训练预设神经网络模型，获得特征提取模型；
采用所述特征提取模型提取所述样本集中最佳睡眠温度相关的数据特征；
根据所述数据特征训练预设回归器模型，获得所述睡眠温度预测模型；
其中，所述样本集包括多个预设睡眠温度以及每个预设睡眠温度对应的环境温度数据和人体睡眠数据，所述环境温度数据是对应的预设睡眠温度为最佳睡眠温度时所采集的环境温度的特征数据，所述人体睡眠数据集包括对应的预设睡眠温度为最佳睡眠温度时所采集的处于睡眠状态下人体的特征数据。
3.如权利要求2所述的空调器的控制方法，其特征在于，所述根据所述样本集训练预设神经网络模型，获得特征提取模型的步骤包括：
按照预设比例将所述样本集划分成训练集和测试集；所述训练集和所述测试集分别包括不同的多个所述预设睡眠温度及其对应的环境温度数据和人体睡眠数据；
根据所述训练集训练所述预设神经网络模型，获得所述特征提取模型；
所述根据所述数据特征训练预设回归器模型，获得所述睡眠温度预测模型的步骤包括：
根据所述数据特征训练所述预设回归器模型的训练结果作为待定模型；
根据所述测试集校验所述待定模型的校验结果确定所述睡眠温度预测模型。
4.如权利要求2所述的空调器的控制方法，其特征在于，所述预设神经网络模型包括依次连接的多个子模块，每个子模块包括密集连接层和与所述密集连接层连接的转换层。
5.如权利要求4所述的空调器的控制方法，其特征在于，所述密集连接层包括多个第一卷积层，所述转换层包括一个第二卷积层；所述第一卷积层的卷积核尺寸为M*M，M>1；所述第二卷积层的卷积核尺寸为1*1；
且/或，所述依次连接的多个子模块的输入端与第三卷积层连接，所述第三卷积层的卷积核尺寸为N*N，N>1；
且/或，所述依次连接的多个子模块的输出端与池化层连接，所述池化层与多于一个全连接层连接。
6.如权利要求2所述的空调器的控制方法，其特征在于，所述环境温度数据包括室内环境温度数据和/或室外环境温度数据；
且/或，所述状态数据包括人体属性数据、睡眠时长数据、睡眠曲线数据和/或清醒状态数据；所述睡眠曲线数据为表征人体在睡眠状态下不同时间所对应的睡眠阶段的数据。
7.如权利要求1至6中任一项所述的空调器的控制方法，其特征在于，所述环境温度包括所述室内环境温度和/或所述室外环境温度；
且/或，所述人体信息包括所述人体属性信息和人体睡眠状态信息。
8.如权利要求7所述的空调器的控制方法，其特征在于，所述获取人体信息的步骤包括：
获取所述空调器作用空间内人体图像数据；
根据所述人体图像数据确定所述人体属性信息和所述人体睡眠状态信息。
9.如权利要求8所述的空调器的控制方法，其特征在于，所述根据所述人体图像数据确定所述人体属性信息和所述人体睡眠状态信息的步骤包括：
对所述人体图像数据执行人脸识别操作、姿态识别操作和动作放大操作，获得图像处理结果；
根据所述图像处理结果确定所述人体属性信息和所述人体睡眠状态信息。
10.如权利要求9所述的空调器的控制方法，其特征在于，所述人体睡眠状态信息包括睡眠时长信息、睡眠曲线和/或清醒状态信息，所述根据所述图像处理结果确定所述人体睡眠状态信息的步骤包括：
根据所述图像处理结果确定所述空调器作用空间内人体的脸部动作信息和肢体信息；
根据所述脸部动作信息和所述肢体信息确定所述睡眠时长信息、所述睡眠曲线和/或所述清醒状态信息；
其中，所述睡眠曲线表征所述空调器作用空间内人体当前在睡眠状态下不同时间所对应的睡眠阶段。
11.一种空调器，其特征在于，所述空调器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的空调器的控制程序，所述空调器的控制程序被所述处理器执行时实现如权利要求1至10中任一项所述的空调器的控制方法的步骤。
12.一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上存储有空调器的控制程序，所述空调器的控制程序被处理器执行时实现如权利要求1至10中任一项所述的空调器的控制方法的步骤。
