CN115564174B 生活性街道空间品质测度方法、系统、计算机设备及介质 （华南理工大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115564174B(45)授权公告日2025.07.01

(21)申请号202211038230.8

(22)申请日2022.08.29

(65)同一申请的已公布的文献号申请公布号CN115564174A

(43)申请公布日2023.01.03

(73)专利权人华南理工大学

地址510640广东省广州市天河区五山路

381号

(72)发明人黄峻魏宗财刘雨飞黄绍琪陈桂宇王昊演

(74)专利代理机构广州市华学知识产权代理有限公司44245

专利代理师李君

(51)Int.CI.

GO6Q10/063(2023.01)

G06Q50/08(2012.01)

GO6F16/51(2019.01)

GO6F16/55(2019.01)

GO6V10/762(2022.01)

GO6N20/00(2019.01)

(56)对比文件

CN104933286A,2015.09.23

CN111060119A,2020.04.24

审查员谢艳花

权利要求书3页说明书8页附图12页

(54)发明名称

生活性街道空间品质测度方法、系统、计算机设备及介质

(57)摘要

CN115564174B本发明公开了一种生活性街道空间品质测度方法、系统、计算机设备及介质，所述方法包括：获取目标区域的街景图像数据；根据街景图像数据，建立街景图像数据库，通过随机森林机器学习模型，对街景图像进行打分，实现对街景图像的主观感知；通过基于深度学习全卷积网络的视觉影像语义分割和K-means聚类算法，获取街道的多个环境评价指标，对街景图像进行客观环境评价；根据层次分析法赋予街景图像的主观感知和客观环境评价的各结果权重，计算街道综合评价的测度结果。本发明可以精准测度城市生活性街道空间品质，具有高效率、易于推广运用

CN115564174B

通过波金相师备分对所

CN115564174B权利要求书1/3页

2

1.一种生活性街道空间品质测度方法，其特征在于，所述方法包括：

获取目标区域的街景图像数据；

根据街景图像数据，建立街景图像数据库，通过训练好的随机森林机器学习模型，对街景图像进行打分，实现对街景图像的主观感知；

通过基于深度学习全卷积网络的视觉影像语义分割和K-means聚类算法，获取街道的多个环境评价指标，对街景图像进行客观环境评价；

根据层次分析法赋予街景图像的主观感知和客观环境评价的各结果权重，计算街道综合评价的测度结果；

所述根据街景图像数据，建立街景图像数据库，通过随机森林机器学习模型，对街景图像进行打分，实现对街景图像的主观感知，具体包括：

根据街景图像数据，建立街景图像数据库；

对街景图像数据库随机抽取预设百分比的街景图像作为打分样本，获取目标区域所在地居民对打分样本的多级评分；

通过随机森林机器学习模型对打分样本的结果进行机器深度学习，对随机森林机器学习模型进行参数调整，得到训练好的随机森林机器学习模型；

利用训练好的随机森林机器学习模型对街景图像数据库的剩余街景图像进行打分，计算每个采样点前后左右四个方向上的街景图像得分的平均值，作为打分结果；

所述环境评价指标包括绿视率、山视率、围合度、开阔度、招牌密度、天空视率和色彩熵；

所述绿视率、山视率、围合度、开阔度、招牌密度和天空视率的获取方式如下：

通过视觉影像语义分割对街景图像进行街景识别，获得多类街景要素在街景图像中的占比结果；

选取各类街景要素识别结果中的植物、山、建筑、道路、招牌和天空六类要素的占比结果，分别作为绿视率、山视率、围合度、开阔度、招牌密度和天空视率这六个指标的值；

计算每个采样点前后左右四个方向上的绿视率、山视率、围合度、开阔度、招牌密度和天空视率这六个指标的平均值；

所述色彩熵的获取方式如下：

通过removebg算法去除语义分割后的街景图像中的天空和道路部分，保留影响街道立面混乱程度的要素；

通过K-means聚类算法提取去除天空和道路部分后的街景图像中的七个主要色彩，并分别计算七个主要色彩的颜色占比；

计算每个采样点前后左右四个方向上的色彩熵的平均值，所述色彩熵的计算公式如下：

其中，S;表示j采样点的色彩混乱度，X表示j采样点各种建筑元素第i种主导颜色的像素点数量，X;表示街景中建筑元