[发明专利]一种基于人机对抗评分的街道品质评估方法

权利要求书

1.一种基于人机对抗评分的街道品质评估方法，其特征在于，包含如下步骤：

S1、根据待评估区域的路网数据，确定街道上用于品质评估的采样点位置处坐标，形成坐标文件；

S2、根据坐标文件，爬取对应位置处的街景图片构建初始数据集；

S3、对初始数据集中的各张街景图片分别进行深度学习语义分割，提取出街景中所包含的地物级别的视觉要素，然后统计每种地物级别的视觉要素在整幅街景图片中所占的像素比例，得到每张街景图片的特征表示：ImgFeatureVector_i＝(Object₁,Object₂,…,Object_k)，其中，k表示所有的地物类别的总数，Object₁,Object₂,…,Object_k表示第i张街景图片中第1,2,…，k种地物级别的视觉要素在整幅街景图片中所占的像素比例；

S4、基于人机对抗评分系统，通过人机交互方式对街景图片进行打分，每张打分后的街景图片的分数以及对应的特征表示作为一个训练数据，后台采用随机森林模型利用训练数据进行训练，得到训练好后的随机森林模型；

S5、利用步骤S4训练好的随机森林模型，完成对待评估区域的打分，从而完成街道品质评估。

2.根据权利要求1所述的基于人机对抗评分的街道品质评估方法，其特征在于，所述街景图片，沿着城市道路路网进行采集，至少包括每个采样点位置0°、90°、180°和270°四个水平角度的街景，且必须包含街景所在位置的经纬度坐标；所述的初始数据集包含多张街景图片数据。

3.根据权利要求1所述的基于人机对抗评分的街道品质评估方法，其特征在于，通过训练出全卷积神经网络FCN-8s对街景图片进行语义分割，预测出街景图片红每一个像素的类别，从而产生地物级别的视觉要素。

4.根据权利要求3所述的基于人机对抗评分的街道品质评估方法，其特征在于，采用MIT ADE20K数据集训练全卷积神经网络FCN-8s，通过训练好的全卷积神经网络FCN-8s，将各张街景图片中的每一个像素被预测为包括“unknown”类型在内的151种地物类型中的一种地物类型，总的地物类型来源于MIT ADE20K数据集；统计每种地物级别的视觉要素在整幅街景图片中所占的像素比例，得到每张街景图片对应的151维的向量特征表示：ImgFeatureVector_i＝(Object₁,Object₂,…,Object₁₅₁)。

5.根据权利要求1所述的基于人机对抗评分的街道品质评估方法，其特征在于，步骤S4和S5中在进行打分时，打分的指标包括富有性、安全性、活力值、无聊程度、美丽程度和压抑性六个指标，这些指标用于街道品质评估，各指标打分的值域都被设置为[0,n]，0表示最低水平，n表示最高水平，n大于0。

6.根据权利要求1所述的基于人机对抗评分的街道品质评估方法，其特征在于，所述人机对抗评分系统为基于C/S或者B/S端的街道品质打分系统，收集人们对于城市街道品质的定量认知，所述人机对抗评分系统在人机交互打分的过程中，随机地从初始数据集中抽取一张街景图片，并显示给用户，然后接受用户在接受到街景图片后，按照自己对于街道品质的认知给出各个指标的评分，然后会收集用户对于街道品质各个指标的打分，构建随机森林拟合模型来拟合特征表示及对应的用户评分分值。