买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利一种基于生理唤醒识别的街道绿化品质检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115563484B 。

龙图腾网通过国家知识产权局官网在2025-09-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211390493.5，技术领域涉及：G06F18/20；该发明授权一种基于生理唤醒识别的街道绿化品质检测方法是由李哲;王立亚;韩笑;李洁;张琪馨;董明静;徐铭辰;武双;施以;陈海妮;王翘楚设计研发完成，并于2022-11-08向国家知识产权局提交的专利申请。

本一种基于生理唤醒识别的街道绿化品质检测方法在说明书摘要公布了：本发明公开了一种基于生理唤醒识别的街道绿化品质检测方法，包括：根据高频次街道景观特征建立绿化品质因子指标体系，获取并统一处理街道绿化图像以进行绿化刺激生理实验；采集原始数据，根据绿化品质因子指标对原始数据进行重分类和差异波处理，获得可用于绿化品质因子唤醒特征识别的有效生理数据；根据得到的有效生理数据，计算生理唤醒特征参数，利用迁移学习融合训练生理唤醒特征参数，实现生理唤醒特征重要性判定，并识别绿化品质因子的加权平均绿化唤醒指数；分析绿化品质因子的加权平均绿化唤醒指数数据，形成街道绿化品质检测模型，将待解析的标注街道样本输入街道绿化品质检测模型，得到街道绿化品质分级检测目标数据标注结果。

本发明授权一种基于生理唤醒识别的街道绿化品质检测方法在权利要求书中公布了：1.一种基于生理唤醒识别的街道绿化品质检测方法，其特征在于，方法包括以下步骤： 根据高频次街道景观特征建立绿化品质因子指标体系，获取并统一处理街道绿化图像以进行绿化刺激生理实验； 采集随街道绿化图像刺激的脑电、心电、皮电和肌电原始数据，根据绿化品质因子指标对原始数据进行重分类和差异波处理后，获得可用于绿化品质因子唤醒特征提取的有效生理数据； 根据得到的有效生理数据，计算绿化品质因子的脑电、心电、皮电和肌电生理唤醒特征参数，利用迁移学习融合训练生理唤醒特征参数，实现生理唤醒特征重要性判定，并识别绿化品质因子的加权平均绿化唤醒指数； 根据得到的有效生理数据，计算绿化品质因子的脑电、心电、皮电和肌电生理唤醒特征参数，利用迁移学习融合训练生理唤醒特征参数，实现生理唤醒特征重要性判定，并识别绿化品质因子的加权平均绿化唤醒指数的过程包括以下步骤： 根据获得的有效生理数据，将每一类绿化品质因子生理数据叠加平均，分别计算绿化品质因子的脑电、心电、皮电和肌电生理唤醒特征参数，并将计算得出的绿化品质因子的脑电、心电、皮电和肌电生理唤醒特征参数进行标准化处理； 针对标准化处理后的绿化品质因子的脑电、心电、皮电和肌电生理唤醒特征参数，得到绿化品质因子生理唤醒特征向量式中，表示第x类绿化品质因子对象的第m个生理唤醒特征，构建生理唤醒特征重要性判定矩阵B＝{bij}，式中，bij表示第i个唤醒特征维度与第j个唤醒特征维度之间的重要性程度比值，由此得到各特征的权重向量w*＝[w1,w2,...,wj]； 利用迁移学习TLDA进行生理唤醒特征融合，将70％样本作为源域数据集，其余30％作为目标域数据集，获取源域街道绿化目标图像的标记唤醒度值，对绿化品质因子生理唤醒特征向量Am和标记唤醒度Y进行稀疏自编码处理，确定自编码器的神经元个数为q，q＜m，并将Am带入神经网络中，经过神经网络训练赋予生理唤醒特征权重，得到融合特征的集成向量E及E对应的加权平均绿化唤醒指数O，如下式； 式中，ωi表示所述每个源域的权重，即集成向量E中相似度向量的模，ok表示第k类绿化品质因子预测的唤醒度； 所述计算绿化品质因子的脑电、心电、皮电和肌电生理唤醒特征参数的过程包括以下步骤： 计算绿化因子对象的脑电唤醒特征参数AEEG，计算公式如下： 式中，Pβ,x和Pα,x表示PZ、P4、P5、O1、OZ、O2五个导联的对于当前计算绿化品质因子对象x的β、α波段的相对平均功率； 计算绿化因子对象的心电唤醒特征参数AECG，计算公式如下： 式中，PLF,x表示第x个绿化品质因子的心电低频分量的功率值，PHF,x表示第x个绿化品质因子的心电高频分量的功率值； 计算绿化因子对象的皮电唤醒特征参数AEDA，计算公式如下： 式中，tpeak和tonset表示应激响应时ΔGSR上升时间的峰值点和开始，speak和sonset表示应激响应时ΔGSR幅度值的峰值点和开始；AEDA表示GSR应激响应时高于基线10％的唤醒； 计算绿化因子对象的肌电唤醒特征参数AEMG，计算公式如下： 式中，PEMG,x表示当前计算绿化品质因子对象x的肌电信号的功率谱密度函数，f表示肌电信号的频率； 将各绿化品质因子生理唤醒特征参数进行标准化处理，引入以下计算公式： 式中，Ai表示第i个唤醒特征参数，Amin和Amax表示唤醒特征参数的最小和最大值，ANormalized表示归一化后的唤醒特征参数； 分析绿化品质因子的加权平均绿化唤醒指数数据，形成街道绿化品质检测模型，用于街道绿化品质对比检测； 所述分析绿化品质因子的加权平均绿化唤醒指数数据，形成街道绿化品质检测模型的过程包括以下步骤： 获取每一类绿化品质因子的加权平均绿化唤醒指数，采用抽样适合性KMO检验和巴特利Bartlett球状检验对绿化品质因子的加权平均绿化唤醒指数数据进行检验，当KMO值＞0.6，球状检验伴随概率P值≤0.01时，则认为因子变量之间相关性强，适合进一步对绿化因子对象进行分析； 计算初始绿化品质变量矩阵潜在X＝{xij}，i＝1,2,3,...,m；j＝1,2,3,...,n主成分的累计方差贡献率MK，选取MK≥80％的绿化品质的潜在主成分，为： 式中，xij表示第i个样本的第j个绿化品质变量因子；表示第k个绿化品质潜在主成分分量，εij表示第i个变量因子的第j个潜在主成分的因子荷载数，ηij表示第j个潜在主成分的特征根； 提取前k个潜在主成分对街道绿化品质进行检测，根据相关系数矩阵和方差贡献率计算出单个绿化品质变量因子的权重wi'，为： 式中，γj表示第j个绿化品质潜在主成分对应的方差贡献率，wi'越大表示绿化品质变量因子的重要性越大； 根据绿化品质变量因子权重系数形成街道绿化品质检测模型，用于街道绿化品质对比检测，为： G＝λ1x1+λ2x2+λ3x3+...+λjxj 式中，λ1表示第i个因子的影响系数，xj表示第j个重新提取的因子绿化唤醒指数数据； 将待解析的标注街道样本输入街道绿化品质检测模型，得到街道绿化品质分级检测目标数据标注结果； 所述将待解析的标注街道样本输入街道绿化品质检测模型，得到街道绿化品质分级检测目标数据标注结果的过程包括以下步骤： 获取J名受试者针对N个街道样本的I张街道绿化图像的生理数据，得到N个街道样本M个绿化品质变量因子的初始绿化品质变量矩阵Z＝{zij}，i＝1,2,3,...,M；j＝1,2,3,...,N，根据绿化品质变量因子指标类别分类标注N个街道样本的脑电、心电、皮电和肌电生理唤醒特征参数； 建立脑电、心电、皮电和肌电唤醒特征参数间的绿化唤醒关系融合模型，生成J名受试者对于街道绿化品质变量因子的融合绿化唤醒指数，设置绿化唤醒指数数据的置信度在[0,1]区间内，将所述街道样本的变量因子进行唤醒度标注； 预设绿化品质检测条件，将街道绿化品质分为四个等级G1、G2、G3、G4，并对街道样本的要素维度由高到低进行分级赋值，由此进行街道样本绿化品质排序； 式中，xij表示第i个地点的第j种要素维度的绿化唤醒度标注数据，表示所有样本绿化唤醒度的平均值，σ表示所有样本绿化唤醒度的标准差，Ci表示第i个要素维度绿化品质赋值后的等级； 将标注街道样本输入街道绿化品质检测模型，通过计算的绿化变量因子和要素维度的权重值，逐一得到街道样本要素维度的唤醒度，在此基础上，对照绿化品质分级检测条件，对各要素维度的绿化品质重新赋值，并按照绿化品质要素维度权重进行加权叠加，形成并标注街道样本无量纲绿化品质值； 式中，Y表示街道样本的绿化品质值，表示第t个要素维度的权重，Ct'表示第t个要素维度绿化品质的等级赋值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：210096 江苏省南京市玄武区新街口街道四牌楼2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。