图像处理方法、设备及存储介质

技术领域

本申请属于计算机技术领域，具体涉及图像处理方法、设备及存储介质。

背景技术

目前，通常使用图像识别模型识别图像中的目标对象。图像识别模型投入使用之前，需要使用标注后的样本图像对图像识别模型进行训练。

传统的样本图像的标注过程包括：标注人员对样本图像中的目标对象进行标注，得到标注图像。同一张样本图像可能由多个标注人员标注。

然而，不同的标注人员对同一样本图像可能理解不一致，可能会造成图像标注结果不统一的问题。另外，由于标注人员面对大量数据时，可能出现漏标、错标问题。

发明内容

本申请提供了图像处理方法、设备及存储介质，可以解决不同的标注人员对同一样本图像可能理解不一致，可能会造成图像标注结果不统一的问题。另外，由于标注人员面对大量数据时，可能出现漏标、错标问题。

本申请提供如下技术方案：

第一方面，提供了图像处理方法，所述方法包括：

获取对同一目标图像进行标注得到的至少两张标注图像，每张标注图像具有对所述目标图像中的一个或多个目标对象进行标注得到的第一标注框；

在所述至少两张标注图像中确定所述目标对象分别对应的一组第一标注框；

将所述一组第一标注框对应的第一标注框信息进行比较，得到比较结果；

在所述比较结果指示所述一组第一标注框一致的情况下，基于所述第一标注框信息生成所述目标对象的标注结果。

可选地，所述在所述至少两张标注图像中确定同一目标对象对应的一组第一标注框，包括：

基于不同标注图像中的第一标注框之间的匹配程度，确定所述不同标注图像中同一目标对象对应的一组第一标注框。

可选地，所述基于不同标注图像中的第一标注框之间的匹配程度，确定所述不同标注图像中同一目标对象对应的一组第一标注框，包括：

对于所述至少两张标注图像中的第一标注图像，基于第一标注图像的第一标注框确定基准框，每个所述基准框对应一个所述目标对象；

对于所述至少两张标注图像中除所述第一标注图像之外的第二标注图像，将所述第二标注图像中的第一标注框与所述基准框进行匹配，得到所述第二标注图像中第一标注框与所述基准框的匹配程度；

确定所述第二标注图像中与所述基准框的所述匹配程度满足第一预设要求的所述第一标注框属于所述基准框对应的所述目标对象的一组第一标注框。

可选地，所述基于第一标注图像的第一标注框确定基准框，包括：

在不同第一标注图像中第一标注框的匹配程度满足第二预设要求的情况下，基于匹配出的第一标注框确定所述基准框；

或者，

在不同第一标注图像中第一标注框的匹配程度满足第二预设要求的情况下，基于匹配出的第一标注框确定第一匹配框，并确定所述第一匹配框为所述基准框；在不同第一标注图像中第一标注框的匹配程度不满足第二预设要求的情况下，基于未匹配的第一标注框确定第二匹配框，并确定所述第二匹配框为所述基准框。

可选地，所述基于第一标注图像的第一标注框确定基准框，包括：

初始化从所述至少两张标注图像中确定n张第一标注图像，确定所述n张第一标注图像中各个第一标注框之间的匹配程度，所述n为大于或等于2的整数；

基于所述n张第一标注图像中匹配程度满足第二预设要求的第一标注框之间的交集，确定所述基准框；

在从所述第二标注图像中确定出所述一组第一标注框中的第一标注框后，将所述第二标注图像作为所述第一标注图像，确定所述一组第一标注框中的第一标注框与对应的基准框之间的交集，得到更新后的基准框，将所述更新后的基准框作为下次与第二标注图像进行匹配时使用的所述基准框。

可选地，所述方法还包括：

在所述第二标注图像中第一标注框的匹配程度不满足第一预设要求的情况下，输出第一提示，所述第一提示用于提示对将未匹配的第一标注框进行审核。

可选地，所述将所述第二标注图像中的第一标注框与所述基准框进行匹配，得到所述第二标注图像中第一标注框的匹配程度，包括：

确定所述第一标注框与各个基准框之间的交并比，得到所述第二标注图像中第一标注框的匹配程度。

可选地，所述将所述一组第一标注框的第一标注框信息进行比较，得到比较结果，包括：

获取所述一组第一标注框对应的标注类别；在所述标注类别一致的情况下，确定所述比较结果指示所述一组第一标注框一致；

和/或，

获取所述一组第一标注框对应的位置信息；在所述位置信息指示各个第一标注框之间的距离小于预设距离的情况下，确定所述比较结果指示所述一组第一标注框一致。

可选地，所述标注结果包括所述目标对象对应的第二标注框的位置和所述目标对象的标注类别；

所述基于所述第一标注框信息生成所述目标对象的标注结果，包括：

基于所述一组第一标注框中各个第一标注框的位置信息，确定所述第二标注框的位置；

获取所述一组第一标注框的标注类别，得到所述目标对象的标注类别。

可选地，所述方法还包括：

在所述比较结果指示所述一组第一标注框不一致的情况下，输出第二提示，所述第二提示用于指示所述将所述一组第一标注框进行审核。

第二方面，提供了一种电子设备，所述存储器中存储有程序，所述程序由所述处理器加载并执行以实现如第一方面所述的图像处理方法。

第三方面，提供了一种计算机可读存储介质，所述存储介质中存储有程序，所述程序被处理器执行时用于实现如第一方面所述的图像处理方法

本申请的有益效果在于：通过获取对同一目标图像进行标注得到的至少两张标注图像，每张标注图像具有对目标图像中的一个或多个目标对象进行标注得到的第一标注框；在至少两张标注图像中确定目标对象分别对应的一组第一标注框；将一组第一标注框对应的第一标注框信息进行比较，得到比较结果；在比较结果指示一组第一标注框一致的情况下，基于第一标注框信息生成目标对象的标注结果；可以解决不同的标注人员对同一样本图像可能理解不一致，可能会造成图像标注结果不统一的问题，另外，由于标注人员面对大量数据时，可能出现的漏标、错标问题；通过获取到的标注图像生成目标对象的标注结果，无需人工参与标注框处理的过程，这样可以保证图像标注结果统一，同时可以降低图像标注的错误率。

另外，由于在进行图片标注时，可能会出现漏标的情况，这样即使一张标注图像中的第一标注框标注正确，可能也会存在在另一张标注图像中匹配不到相应的第一标注框的问题；针对上述技术问题，通过将匹配程度不满足第二预设要求的第一标注框也作为基准框进行匹配，这样可以保证匹配的全面性，因此可以提高确定同一目标对象对应的一组第一标注框的准确性。

另外，由于在进行标注时可能会出现错标的问题，从而导致第二标注图像中第一标注框的匹配程度不满足第一预设要求的问题。针对上述技术问题，通过在第二标注图像中第一标注框的匹配程度不满足第一预设要求的情况下，输出第一提示，可以对未匹配上的第一标注框进行审核，从而提高第一标注框标注的准确性。

另外，由于通过匹配程度匹配的一组标注框只是通过交并比初步筛选的一组第一标注框，并不能保证一组第一标注框一致。针对上述技术问题，本实施例通过同时将位置信息与标注类别进行比较，这样可以保证一组第一标注框的一致程度。

另外，由于在标注过程中可能会产生标注误差或错误标注，从而导致比较结果不一致的问题。针对上述技术问题，通过在比较结果指示一组第一标注框不一致的情况下，输出第二提示，第二提示用于指示将一组第一标注框进行审核，因此可以对比较结果不一致的一组标注框进行修改，从而生成正确的标注结果。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见，下面描述中的附图是本发明的一些实施方式，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的附图。

图1是本申请一个实施例提供的图像处理方法的流程图；

图2是本申请一个实施例提供的未被标注的目标图像示意图；

图3是本申请一个实施例提供的标注图像的示意图；

图4是本申请另一个实施例提供的标注图像的示意图；

图5是本申请一个实施例提供的生成基准框的示意图；

图6是本申请一个实施例提供的第一标注框匹配过程的示意图；

图7是本申请一个实施例提供的一组第一标注框的位置示意图；

图8是本申请一个实施例提供的图像处理装置的框图；

图9是本申请一个实施例提供的电子设备的框图。

具体实施方式

下面将结合附图对本申请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。下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

需要说明的是，本申请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。

在本申请中，在未作相反说明的情况下，使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的，或者是针对部件本身在竖直、垂直或重力方向上而言的；同样地，为便于理解和描述，“内、外”是指相对于各部件本身的轮廓的内、外，但上述方位词并不用于限制本申请。

如图1所示为本申请提供的一个实施例提供的图像处理方法，该图像处理方法执行主体为电子设备，该电子设备可以为计算机、手机、平板电脑等终端，或者也可以为服务器，或者还可以是可移动设备，如：扫地机器人、或者多足机器人等，本实施例不对电子设备的实现方式作限定。参考图1，该方法至少包括以下步骤：

步骤101，获取对同一目标图像进行标注得到的至少两张标注图像，每张标注图像具有对目标图像中的一个或多个目标对象进行标注得到的第一标注框。

标注图像的获取方式包括但不限于以下几种：

第一种，对待标注的目标图像进行复制，得到多张目标图像的图像副本；接收不同标注人员对每张图像副本进行标注后得到的标注图像。

第二种，获取多个其它设备发送的同一目标图像对应的标注图像，同一目标图像的标注图像是对同一张目标图像的图像副本进行标注后得到的。其中，其它设备与电子设备通信相连。可选地，不同标注人员使用的其它设备不同，其它设备可以计算机、手机、平板电脑等终端等，本实施例不对其它设备的设备类型作限定。

在实际实现时，标注图像的获取方式也可以为其它方式，本实施例不对标注图像的获取方式作限定。

根据上述获取方式可知，由于不同的标注图像可能是由不同的标注人员标注得到的，因此，可能会导致不同标注图像中第一标注框的数量不同的问题。基于该技术问题，本实施例通过下述技术方案对标注图像中第一标注框进行审核，可以自动审核出第一标注框存在异常的标注图像。

其中，第一标注框用于标注目标图像中的目标对象，第一标注框基于目标对象的边缘轮廓确定，该第一标注框可以为矩形、菱形或其它形状等，本实施例不对第一标注框的形状作限定。

可选地，当第一标注框的个数为多个的情况下，不同第一标注框对应的目标对象的类别相同或不同。

可选地，每个目标对象对应一个第一标注框，基于此，由于目标图像中包括一个或多个目标对象，因此，每张标注图像包括一个或多个第一标注框。

其中，目标对象是指目标图像中需要进行标注的对象，比如：目标对象为目标图像中的行人、目标图像中的汽车或目标图像中的非机动车等。

如图2所示，图2为一张未被标注的目标图像，该目标图像中具有多个不同类别的目标对象，如：机动车、非机动车、行人等，图3和图4分别为两张标注图像，每张标注图像中具有对机动车、非机动车、行人进行标注的第一标注框。

步骤102，在至少两张标注图像中确定目标对象分别对应的一组第一标注框。

在一个示例中，在至少两张标注图像中确定同一目标对象对应的一组第一标注框，包括：基于不同标注图像中的第一标注框之间的匹配程度，确定不同标注图像中同一目标对象对应的一组第一标注框。

由于对同一目标对象进行标注时，该目标对象对应在不同标注图像中的第一标注框重叠的概率较大。基于此，匹配程度与不同标注图像中的第一标注框之间的重叠程度呈正相关关系。

基于不同标注图像中的第一标注框之间的匹配程度，确定不同标注图像中同一目标对象对应的一组第一标注框，至少包括以下步骤S1-S3：

步骤S1：对于至少两张标注图像中的第一标注图像，基于第一标注图像的第一标注框确定基准框，每个基准框对应一个目标对象。

基于匹配出的第一标注框确定基准框包括以下步骤S11-S12：

步骤S11：初始化从至少两张标注图像中确定n张第一标注图像，确定n张第一标注图像中各个第一标注框之间的匹配程度，n为大于或等于2的整数。

可选地，确定n张第一标注图像中各个第一标注框之间的匹配程度，包括：计算不同第一标注图像中第一标注框之间的交并比，得到不同第一标注图像中第一标注框的匹配程度。

具体地，在n张第一标注图像中的每张第一标注图像中确定一个未匹配过的第一标注框，得到n个第一标注框；确定n个第一标注框的交并比为：第一标注框的交集除以各个第一标注框的并集。

步骤S12:基于n张第一标注图像中匹配程度满足第二预设要求的第一标注框之间的交集，确定基准框；

其中，第二预设要求包括n张第一标注图像中第一标注框之间的交并比大于或等于第一交并比阈值。

基于第一标注图像的第一标注框确定基准框包括但不限于以下两种方式：

第一种，在不同第一标注图像中第一标注框的匹配程度满足第二预设要求的情况下，基于匹配出的第一标注框确定基准框。

第二种，在不同第一标注图像中第一标注框的匹配程度满足第二预设要求的情况下，基于匹配出的第一标注框确定第一匹配框，并确定第一匹配框为基准框；在不同第一标注图像中第一标注框的匹配程度不满足第二预设要求的情况下，基于未匹配的第一标注框确定第二匹配框，并确定第二匹配框为基准框。

可选地，在不同第一标注图像中第一标注框的匹配程度不满足第二预设要求的情况下，输出预设提示，预设提示用于提示对将未匹配的第一标注框进行审核。

比如：如图5所示，现有两个第一标注图像51，52，第一标注图像51中具有A1，B1，C1三个第一标注框，第一标注图像52中具有A2，B2，C2三个第一标注框，此时，若A1与A2的交并比大于0.8且B1与B2的交并比大于0.8的情况下，将A1与A2的交集部分和B1与B2的交集部分作为基准框，若C1与C2的交并比小于0.8，则将C1与C2分别作为两个基准框，即，此时基准框53为四部分组成，分别为：A1与A2的交集部分(图中阴影部分)、B1与B2的交集部分(图中阴影部分)、C1和C2。

由于在进行图片标注时，可能会出现漏标的情况，这样即使一张标注图像中的第一标注框标注正确，可能也会存在在另一张标注图像中匹配不到相应的第一标注框的问题。针对上述技术问题，通过将匹配程度不满足第二预设要求的第一标注框也作为基准框进行匹配，这样可以保证匹配的全面性，因此可以提高确定同一目标对象对应的一组第一标注框的准确性。

步骤S2：对于至少两张标注图像中除第一标注图像之外的第二标注图像，将第二标注图像中的第一标注框与基准框进行匹配，得到第二标注图像中第一标注框与基准框的匹配程度。

将第二标注图像中的第一标注框与基准框进行匹配，得到第二标注图像中第一标注框与基准框的匹配程度，包括：确定第一标注框与各个基准框之间的交并比，得到第二标注图像中第一标注框的匹配程度。

步骤S3：确定第二标注图像中与基准框的匹配程度满足第一预设要求的第一标注框属于基准框对应的目标对象的一组第一标注框。

其中，第一预设要求为第二标注图像中的第一标注框与基准框的交并比满足第二交并比阈值。

以第二交并比阈值为0.9为例，若第二标注图像中的第一标注框与基准框的交并比为0.95，则确定第二标注图像中的第一标注框属于基准框对应的目标对象的一组第一标注框。

在步骤S3之后，即在从第二标注图像中确定出匹配出的第一标注框后，将该第二标注图像作为第一标注图像，若存在未匹配过的第二标注图像，再次执行步骤S1。此时，基于第一标注图像的第一标注框确定基准框，包括：在从第二标注图像中确定出匹配出的第一标注框后，将第二标注图像作为第一标注图像，确定一组第一标注框中的第一标注框与对应的基准框之间的交集，得到更新后的基准框，将更新后的基准框作为下次与第二标注图像进行匹配时使用的基准框。

可选地，在第二标注图像中第一标注框的匹配程度不满足第一预设要求的情况下，输出第一提示，第一提示用于提示对将未匹配的第一标注框进行审核。

可选地，第一提示可以为对未匹配的第一标注框进行高亮显示或者对未匹配的第一标注框进行加粗显示，本实施例不对第一提示的实现方式作限定。

另外，由于在进行标注时可能会出现错标的问题，从而导致第二标注图像中第一标注框的匹配程度不满足第一预设要求的问题。针对上述技术问题，通过在第二标注图像中第一标注框的匹配程度不满足第一预设要求的情况下，输出第一提示，可以对未匹配上的第一标注框进行审核，从而提高第一标注框标注的准确性。

为了更清楚地理解上述第一标注框的匹配流程，下面对该流程举一个实例进行详细说明，在本实例中，以上文中的第二种基准框确定方式为例进行说明，参考图6：

现有三张标注图像61，62，63，标注图像61具有第一标注框A1，B1，C1，标注图像62具有第一标注框A2，B2，C2，标注图像63具有第一标注框A3，B3，C3。从三张标注图像中任意选择两张标注图像得到第一标注图像，比如将标注图像61和标注图像62作为第一标注图像。之后，将第一标注框A1分别与第一标注框A2，B2，C2依次进行匹配、将第一标注框B1分别与第一标注框A2，B2，C2依次进行匹配、将第一标注框C1分别与第一标注框A2，B2，C2依次进行匹配，将交并比大于0.8的第一标注框之间的交集作为基准框，同时将交并比小于0.8的第一标注框C1和C2也作为基准框64，同时，对第一标注框C1和C2进行加粗显示，以供审核人员进行审核。

对于未匹配过的标准图像63，将该标准图像63作为第二标注图像。之后，将第一标注框A3分别与基准框64依次进行匹配、将第一标注框B3分别与基准框64依次进行匹配、将第一标注框C3分别与基准框64依次进行匹配，并将交并比大于0.9的第一标注框作为基准框对应的目标对象的一组第一标注框，此时第一标注框A3和第一标注框B3与基准框64的交并比大于0.9，则得到两个目标对象分别对应的一组第一标注框。而第一标注框A3与基准框64的交并比小于0.9，则对第一标注框C3进行加粗显示，以供审核人员进行审核。

之后，若还存在未进行的匹配的第二标注图像，则将标注图像63作为第一标注图像，并将两组目标对象对应的第一标注框的交集部分(图中黑色部分)和未匹配成功的第一标注框C1、C2、C3作为基准框，将未匹配过的第二标注图像中的第一标注框与基准框分别进行匹配，具体匹配过程与标注图像63的过程相同，直至所有第二标注图像匹配完成时停止，本实施例在此不再赘述。

在另一个示例中，在至少两张标注图像中确定同一目标对象对应的一组第一标注框，包括：将至少两张标注图像中的第一标注框与预先存储的基准框进行交并比匹配，得到同一目标对象对应的一组第一标注框。

预先存储的基准框与目标对象一一对应。可选地，预先存储的基准框可以是审核人员设置的。

步骤103，将一组第一标注框对应的第一标注框信息进行比较，得到比较结果。

在一个示例中，将一组第一标注框的第一标注框信息进行比较，得到比较结果，包括：获取一组第一标注框对应的标注类别；在标注类别一致的情况下，确定比较结果指示一组第一标注框一致。

其中，标注类别可以是对目标图像进行标注时得到的，或者，也可以是对第一标注框中的图像信息进行识别得到的。

对第一标注框中的图像信息进行识别，包括：将一组第一标注框的图像信息分别输入预先训练的类别识别模型，得到每个第一标注框对应的标注类别。其中，类别识别模型时使用训练数据对预设的神经网络模型训练得到的。

可选地，训练数据包括样本图像信息和样本图像信息对应的样本标签。样本标签用于指示样本图像信息对应的标注类别。

其中，类别识别模型包括但不限于：深度神经网络(Deep Neural Network，DNN)、循环神经网络(Recurrent Neural Network，RNN)或者卷积神经网络(ConvolutionalNeural Network，CNN)等，本实施例不对类别识别模型的类型作限定。

在另一个示例中，将一组第一标注框的第一标注框信息进行比较，得到比较结果，包括：获取一组第一标注框对应的位置信息；在位置信息指示各个第一标注框之间的距离小于预设距离的情况下，确定比较结果指示一组第一标注框一致。

获取一组第一标注框对应的位置信息，包括：获取一组第一标注框在坐标系中各个边框中间位置对应的坐标信息。

以一组第一标注框的个数为两个为例，此时两个第一标注框各个边框顶点的坐标信息如图7所示，此时边框AD中间位置对应的坐标为(50，120)，边框AB中间位置对应的坐标为(20，85)，边框BC中间位置对应的坐标为(50，50)，边框CD中间位置对应的坐标为(80，85)，此时边框A1D1中间位置对应的坐标为(60，120)，边框A1B1中间位置对应的坐标为(30，70)，边框B1C1中间位置对应的坐标为(60，40)，边框C1D1中间位置对应的坐标为(90，70)，以预设距离为20为例，此时AD中间位置与A1D1中间位置的距离为10，AB中间位置与A1B1中间位置的距离为18，BC中间位置与B1C1中间位置的距离为14，CD中间位置与C1D1中间位置的距离为18，因此，各边框之间的距离均小于预设距离，此时确定比较结果指示一组第一标注框一致。

在又一个示例中，将一组第一标注框的第一标注框信息进行比较，得到比较结果，包括：获取一组第一标注框对应的标注类别和一组第一标注框对应的位置信息；在标注类别一致且位置信息指示各个第一标注框之间的距离小于预设距离的情况下，确定比较结果指示一组第一标注框一致。

由于通过匹配程度匹配的一组标注框只是通过交并比初步筛选的一组第一标注框，并不能保证一组第一标注框一致。针对上述技术问题，本实施例通过同时将位置信息与标注类别进行比较，这样可以保证一组第一标注框的一致程度。

步骤104，在比较结果指示一组第一标注框一致的情况下，基于第一标注框信息生成目标对象的标注结果。

可选地，标注结果包括目标对象对应的第二标注框的位置和目标对象的标注类别。

相应地，基于第一标注框信息生成目标对象的标注结果，包括：基于一组第一标注框中各个第一标注框的位置信息，确定第二标注框的位置；获取一组第一标注框的标注类别，得到目标对象的标注类别。

其中，确定第二标注框的位置，包括：获取各个第一标注框的顶点坐标；将对应的顶点坐标加权平均生成新的顶点坐标；基于新的顶点坐标确定第二标注框的位置。

可选地，在比较结果指示一组第一标注框不一致的情况下，输出第二提示，第二提示用于指示将一组第一标注框进行审核。

可选地，第二提示可以为对一组第一标注框进行高亮显示或者对一组第一标注框进行加粗显示，本实施例不对第二提示的实现方式作限定。

另外，由于在标注过程中可能会产生标注误差或错误标注，从而导致比较结果不一致的问题。针对上述技术问题，通过在比较结果指示一组第一标注框不一致的情况下，输出第二提示，第二提示用于指示将一组第一标注框进行审核，因此可以对比较结果不一致的一组标注框进行修改，从而生成正确的标注结果。

综上所述，本实施例提供的图像处理方法，通过获取对同一目标图像进行标注得到的至少两张标注图像，每张标注图像具有对目标图像中的一个或多个目标对象进行标注得到的第一标注框；在至少两张标注图像中确定目标对象分别对应的一组第一标注框；将一组第一标注框对应的第一标注框信息进行比较，得到比较结果；在比较结果指示一组第一标注框一致的情况下，基于第一标注框信息生成目标对象的标注结果；可以解决不同的标注人员对同一样本图像可能理解不一致，可能会造成图像标注结果不统一的问题，另外，由于标注人员面对大量数据时，可能出现的漏标、错标问题；通过获取到的标注图像生成目标对象的标注结果，无需人工参与标注框处理的过程，这样可以保证图像标注结果统一，同时可以降低图像标注的错误率。

另外，由于在进行图片标注时，可能会出现漏标的情况，这样即使一张标注图像中的第一标注框标注正确，可能也会存在在另一张标注图像中匹配不到相应的第一标注框的问题；针对上述技术问题，通过将匹配程度不满足第二预设要求的第一标注框也作为基准框进行匹配，这样可以保证匹配的全面性，因此可以提高确定同一目标对象对应的一组第一标注框的准确性。

另外，由于在进行标注时可能会出现错标的问题，从而导致第二标注图像中第一标注框的匹配程度不满足第一预设要求的问题。针对上述技术问题，通过在第二标注图像中第一标注框的匹配程度不满足第一预设要求的情况下，输出第一提示，可以对未匹配上的第一标注框进行审核，从而提高第一标注框标注的准确性。

另外，由于通过匹配程度匹配的一组标注框只是通过交并比初步筛选的一组第一标注框，并不能保证一组第一标注框一致。针对上述技术问题，本实施例通过同时将位置信息与标注类别进行比较，这样可以保证一组第一标注框的一致程度。

另外，由于在标注过程中可能会产生标注误差或错误标注，从而导致比较结果不一致的问题。针对上述技术问题，通过在比较结果指示一组第一标注框不一致的情况下，输出第二提示，第二提示用于指示将一组第一标注框进行审核，因此可以对比较结果不一致的一组标注框进行修改，从而生成正确的标注结果。

图8是本申请一个实施例提供的图像处理装置的框图，本实施例以该装置应用于电子设备中为例进行说明。该装置至少包括以下几个模块：图像获取模块810、标注框确定模块820、标注框比较模块830和结果生成模块840。

图像获取模块810，用于获取对同一目标图像进行标注得到的至少两张标注图像，每张标注图像具有对目标图像中的一个或多个目标对象进行标注得到的第一标注框。

标注框确定模块820，用于在至少两张标注图像中确定目标对象分别对应的一组第一标注框。

标注框比较模块830，用于将一组第一标注框对应的第一标注框信息进行比较，得到比较结果。

结果生成模块840,用于在比较结果指示一组第一标注框一致的情况下，基于第一标注框信息生成目标对象的标注结果。

相关细节参考上述实施例。

需要说明的是：上述实施例中提供的图像处理装置在进行图像处理时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将图像处理装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的图像处理装置与图像处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本实施例提供一种电子设备，如图9所示，该电子设备至少包括处理器901和存储器902。

处理器901可以包括一个或多个处理核心，比如：4核心处理器、8核心处理器等。处理器901可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器901也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器901可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器901还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器902可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器902还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器902中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器901所执行以实现本申请中方法实施例提供的图像处理方法。

在一些实施例中，电子设备还可选包括有：外围设备接口和至少一个外围设备。处理器901、存储器902和外围设备接口之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口相连。示意性地，外围设备包括但不限于：射频电路、触摸显示屏、音频电路、和电源等。

当然，电子设备还可以包括更少或更多的组件，本实施例对此不作限定。

可选地，本申请还提供有一种计算机可读存储介质，计算机可读存储介质中存储有程序，程序由处理器加载并执行以实现上述方法实施例的图像处理方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。