買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉東南大學(xué)申請的專利一種基于生理喚醒識別的街道綠化品質(zhì)檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115563484B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-05發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202211390493.5，技術(shù)領(lǐng)域涉及：G06F18/20；該發(fā)明授權(quán)一種基于生理喚醒識別的街道綠化品質(zhì)檢測方法是由李哲;王立亞;韓笑;李潔;張琪馨;董明靜;徐銘辰;武雙;施以;陳海妮;王翹楚設(shè)計研發(fā)完成，并于2022-11-08向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于生理喚醒識別的街道綠化品質(zhì)檢測方法在說明書摘要公布了：本發(fā)明公開了一種基于生理喚醒識別的街道綠化品質(zhì)檢測方法，包括：根據(jù)高頻次街道景觀特征建立綠化品質(zhì)因子指標(biāo)體系，獲取并統(tǒng)一處理街道綠化圖像以進行綠化刺激生理實驗；采集原始數(shù)據(jù)，根據(jù)綠化品質(zhì)因子指標(biāo)對原始數(shù)據(jù)進行重分類和差異波處理，獲得可用于綠化品質(zhì)因子喚醒特征識別的有效生理數(shù)據(jù)；根據(jù)得到的有效生理數(shù)據(jù)，計算生理喚醒特征參數(shù)，利用遷移學(xué)習(xí)融合訓(xùn)練生理喚醒特征參數(shù)，實現(xiàn)生理喚醒特征重要性判定，并識別綠化品質(zhì)因子的加權(quán)平均綠化喚醒指數(shù)；分析綠化品質(zhì)因子的加權(quán)平均綠化喚醒指數(shù)數(shù)據(jù)，形成街道綠化品質(zhì)檢測模型，將待解析的標(biāo)注街道樣本輸入街道綠化品質(zhì)檢測模型，得到街道綠化品質(zhì)分級檢測目標(biāo)數(shù)據(jù)標(biāo)注結(jié)果。

本發(fā)明授權(quán)一種基于生理喚醒識別的街道綠化品質(zhì)檢測方法在權(quán)利要求書中公布了：1.一種基于生理喚醒識別的街道綠化品質(zhì)檢測方法，其特征在于，方法包括以下步驟： 根據(jù)高頻次街道景觀特征建立綠化品質(zhì)因子指標(biāo)體系，獲取并統(tǒng)一處理街道綠化圖像以進行綠化刺激生理實驗； 采集隨街道綠化圖像刺激的腦電、心電、皮電和肌電原始數(shù)據(jù)，根據(jù)綠化品質(zhì)因子指標(biāo)對原始數(shù)據(jù)進行重分類和差異波處理后，獲得可用于綠化品質(zhì)因子喚醒特征提取的有效生理數(shù)據(jù)； 根據(jù)得到的有效生理數(shù)據(jù)，計算綠化品質(zhì)因子的腦電、心電、皮電和肌電生理喚醒特征參數(shù)，利用遷移學(xué)習(xí)融合訓(xùn)練生理喚醒特征參數(shù)，實現(xiàn)生理喚醒特征重要性判定，并識別綠化品質(zhì)因子的加權(quán)平均綠化喚醒指數(shù)； 根據(jù)得到的有效生理數(shù)據(jù)，計算綠化品質(zhì)因子的腦電、心電、皮電和肌電生理喚醒特征參數(shù)，利用遷移學(xué)習(xí)融合訓(xùn)練生理喚醒特征參數(shù)，實現(xiàn)生理喚醒特征重要性判定，并識別綠化品質(zhì)因子的加權(quán)平均綠化喚醒指數(shù)的過程包括以下步驟： 根據(jù)獲得的有效生理數(shù)據(jù)，將每一類綠化品質(zhì)因子生理數(shù)據(jù)疊加平均，分別計算綠化品質(zhì)因子的腦電、心電、皮電和肌電生理喚醒特征參數(shù)，并將計算得出的綠化品質(zhì)因子的腦電、心電、皮電和肌電生理喚醒特征參數(shù)進行標(biāo)準(zhǔn)化處理； 針對標(biāo)準(zhǔn)化處理后的綠化品質(zhì)因子的腦電、心電、皮電和肌電生理喚醒特征參數(shù)，得到綠化品質(zhì)因子生理喚醒特征向量式中，表示第x類綠化品質(zhì)因子對象的第m個生理喚醒特征，構(gòu)建生理喚醒特征重要性判定矩陣B＝{bij}，式中，bij表示第i個喚醒特征維度與第j個喚醒特征維度之間的重要性程度比值，由此得到各特征的權(quán)重向量w*＝[w1,w2,...,wj]； 利用遷移學(xué)習(xí)TLDA進行生理喚醒特征融合，將70％樣本作為源域數(shù)據(jù)集，其余30％作為目標(biāo)域數(shù)據(jù)集，獲取源域街道綠化目標(biāo)圖像的標(biāo)記喚醒度值，對綠化品質(zhì)因子生理喚醒特征向量Am和標(biāo)記喚醒度Y進行稀疏自編碼處理，確定自編碼器的神經(jīng)元個數(shù)為q，q＜m，并將Am帶入神經(jīng)網(wǎng)絡(luò)中，經(jīng)過神經(jīng)網(wǎng)絡(luò)訓(xùn)練賦予生理喚醒特征權(quán)重，得到融合特征的集成向量E及E對應(yīng)的加權(quán)平均綠化喚醒指數(shù)O，如下式； 式中，ωi表示所述每個源域的權(quán)重，即集成向量E中相似度向量的模，ok表示第k類綠化品質(zhì)因子預(yù)測的喚醒度； 所述計算綠化品質(zhì)因子的腦電、心電、皮電和肌電生理喚醒特征參數(shù)的過程包括以下步驟： 計算綠化因子對象的腦電喚醒特征參數(shù)AEEG，計算公式如下： 式中，Pβ,x和Pα,x表示PZ、P4、P5、O1、OZ、O2五個導(dǎo)聯(lián)的對于當(dāng)前計算綠化品質(zhì)因子對象x的β、α波段的相對平均功率； 計算綠化因子對象的心電喚醒特征參數(shù)AECG，計算公式如下： 式中，PLF,x表示第x個綠化品質(zhì)因子的心電低頻分量的功率值，PHF,x表示第x個綠化品質(zhì)因子的心電高頻分量的功率值； 計算綠化因子對象的皮電喚醒特征參數(shù)AEDA，計算公式如下： 式中，tpeak和tonset表示應(yīng)激響應(yīng)時ΔGSR上升時間的峰值點和開始，speak和sonset表示應(yīng)激響應(yīng)時ΔGSR幅度值的峰值點和開始；AEDA表示GSR應(yīng)激響應(yīng)時高于基線10％的喚醒； 計算綠化因子對象的肌電喚醒特征參數(shù)AEMG，計算公式如下： 式中，PEMG,x表示當(dāng)前計算綠化品質(zhì)因子對象x的肌電信號的功率譜密度函數(shù)，f表示肌電信號的頻率； 將各綠化品質(zhì)因子生理喚醒特征參數(shù)進行標(biāo)準(zhǔn)化處理，引入以下計算公式： 式中，Ai表示第i個喚醒特征參數(shù)，Amin和Amax表示喚醒特征參數(shù)的最小和最大值，ANormalized表示歸一化后的喚醒特征參數(shù)； 分析綠化品質(zhì)因子的加權(quán)平均綠化喚醒指數(shù)數(shù)據(jù)，形成街道綠化品質(zhì)檢測模型，用于街道綠化品質(zhì)對比檢測； 所述分析綠化品質(zhì)因子的加權(quán)平均綠化喚醒指數(shù)數(shù)據(jù)，形成街道綠化品質(zhì)檢測模型的過程包括以下步驟： 獲取每一類綠化品質(zhì)因子的加權(quán)平均綠化喚醒指數(shù)，采用抽樣適合性KMO檢驗和巴特利Bartlett球狀檢驗對綠化品質(zhì)因子的加權(quán)平均綠化喚醒指數(shù)數(shù)據(jù)進行檢驗，當(dāng)KMO值＞0.6，球狀檢驗伴隨概率P值≤0.01時，則認(rèn)為因子變量之間相關(guān)性強，適合進一步對綠化因子對象進行分析； 計算初始綠化品質(zhì)變量矩陣潛在X＝{xij}，i＝1,2,3,...,m；j＝1,2,3,...,n主成分的累計方差貢獻率MK，選取MK≥80％的綠化品質(zhì)的潛在主成分，為： 式中，xij表示第i個樣本的第j個綠化品質(zhì)變量因子；表示第k個綠化品質(zhì)潛在主成分分量，εij表示第i個變量因子的第j個潛在主成分的因子荷載數(shù)，ηij表示第j個潛在主成分的特征根； 提取前k個潛在主成分對街道綠化品質(zhì)進行檢測，根據(jù)相關(guān)系數(shù)矩陣和方差貢獻率計算出單個綠化品質(zhì)變量因子的權(quán)重wi'，為： 式中，γj表示第j個綠化品質(zhì)潛在主成分對應(yīng)的方差貢獻率，wi'越大表示綠化品質(zhì)變量因子的重要性越大； 根據(jù)綠化品質(zhì)變量因子權(quán)重系數(shù)形成街道綠化品質(zhì)檢測模型，用于街道綠化品質(zhì)對比檢測，為： G＝λ1x1+λ2x2+λ3x3+...+λjxj 式中，λ1表示第i個因子的影響系數(shù)，xj表示第j個重新提取的因子綠化喚醒指數(shù)數(shù)據(jù)； 將待解析的標(biāo)注街道樣本輸入街道綠化品質(zhì)檢測模型，得到街道綠化品質(zhì)分級檢測目標(biāo)數(shù)據(jù)標(biāo)注結(jié)果； 所述將待解析的標(biāo)注街道樣本輸入街道綠化品質(zhì)檢測模型，得到街道綠化品質(zhì)分級檢測目標(biāo)數(shù)據(jù)標(biāo)注結(jié)果的過程包括以下步驟： 獲取J名受試者針對N個街道樣本的I張街道綠化圖像的生理數(shù)據(jù)，得到N個街道樣本M個綠化品質(zhì)變量因子的初始綠化品質(zhì)變量矩陣Z＝{zij}，i＝1,2,3,...,M；j＝1,2,3,...,N，根據(jù)綠化品質(zhì)變量因子指標(biāo)類別分類標(biāo)注N個街道樣本的腦電、心電、皮電和肌電生理喚醒特征參數(shù)； 建立腦電、心電、皮電和肌電喚醒特征參數(shù)間的綠化喚醒關(guān)系融合模型，生成J名受試者對于街道綠化品質(zhì)變量因子的融合綠化喚醒指數(shù)，設(shè)置綠化喚醒指數(shù)數(shù)據(jù)的置信度在[0,1]區(qū)間內(nèi)，將所述街道樣本的變量因子進行喚醒度標(biāo)注； 預(yù)設(shè)綠化品質(zhì)檢測條件，將街道綠化品質(zhì)分為四個等級G1、G2、G3、G4，并對街道樣本的要素維度由高到低進行分級賦值，由此進行街道樣本綠化品質(zhì)排序； 式中，xij表示第i個地點的第j種要素維度的綠化喚醒度標(biāo)注數(shù)據(jù)，表示所有樣本綠化喚醒度的平均值，σ表示所有樣本綠化喚醒度的標(biāo)準(zhǔn)差，Ci表示第i個要素維度綠化品質(zhì)賦值后的等級； 將標(biāo)注街道樣本輸入街道綠化品質(zhì)檢測模型，通過計算的綠化變量因子和要素維度的權(quán)重值，逐一得到街道樣本要素維度的喚醒度，在此基礎(chǔ)上，對照綠化品質(zhì)分級檢測條件，對各要素維度的綠化品質(zhì)重新賦值，并按照綠化品質(zhì)要素維度權(quán)重進行加權(quán)疊加，形成并標(biāo)注街道樣本無量綱綠化品質(zhì)值； 式中，Y表示街道樣本的綠化品質(zhì)值，表示第t個要素維度的權(quán)重，Ct'表示第t個要素維度綠化品質(zhì)的等級賦值。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人東南大學(xué)，其通訊地址為：210096 江蘇省南京市玄武區(qū)新街口街道四牌樓2號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。