(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211071459.1 (22)申请日 2022.09.02 (71)申请人 同炎数智科技 （重庆） 有限公司 地址 401329 重庆市九龙坡区金凤镇凤笙 路21号1幢 (72)发明人 刘超　杨超　温智鹏　石昌政　 陈诺　卢叶青青　詹诗萦　徐立芬　 (74)专利代理 机构 重庆西南 华渝专利代理有限 公司 50270 专利代理师 陈香兰 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) (54)发明名称 一种基于AI算法的城市公园活力计算方法 及系统 (57)摘要 本发明提供了一种基于AI算法的城市公园 活力计算方法， 包括以下步骤： 将公园分为不同 特征的监测区域， 获取监测区域的监测图像； 将 监测图像输入活力要素提取模型中， 活力要素提 取模型提取监测图像中物种的活力要素指标； 基 于活力要素指标获取物种的指标分数； 计算监测 区域内物种的指标分数的加权和获得所述监测 区域内该物种的基础活力值； 计算监测区域内所 有的物种基础活力值的加权和获得该监测区域 的区域活力值； 计算公园内所有监测区域的区域 活力值的加权和获得公园活力值。 本发明解决了 现有技术的空间活力监测方法难以实现多场景 的监测， 监测物种单一， 无法分析活力要素的详 细情况及各个分项的活力详情的问题。 权利要求书2页 说明书7页 附图4页 CN 115482504 A 2022.12.16 CN 115482504 A 1.一种基于AI 算法的城市公园活力计算方法， 其特 征在于， 包括以下步骤： 将公园分为 不同特征的监测区域， 获取监测区域的监测图像； 将监测图像输入活力要素提取模型中， 活力要素提取模型提取监测图像中物种的活力 要素指标； 基于活力要素指标获取物种的指标分数； 计算监测区域内物种的指标分数的加权和获得 所述监测区域内该物种的基础活力值； 计算监测区域内所有的物种基础活力值的加权和获得 该监测区域的区域活力值； 计算公园内所有监测区域的区域活力值的加权和获得公园活力值。 2.如权利要求1所述的一种基于AI算法的城市公园活力 计算方法， 其特征在于， 物种分 为人类、 动物和植物， 人类的活力要 素指标包括监测区域内的活动类型、 单个活动类型的人 数、 活动持续时间和实际客流量； 监测区域内的人类的指标分数包括空间多样性指数、 活动 持续指数和客 流量比值； 人类的指标分数计算过程包括： 根据监测区域内的活动类型和单个活动类型的人数计 算空间多样性指数， 根据 活动持续时间和指数换算表格获得活动 持续指数， 获取监测区域 的预计客 流量， 根据实际客 流量与预计客 流量之比获得监测区域内的客 流量比值。 3.如权利要求2所述的一种基于AI算法的城市公园活力 计算方法， 其特征在于， 动物的 活力要素指标包括监测区域内的实际种类数量与动物活动时间； 监测区域内的动物的指标 分数包括动物种类比值和活动时间比值； 动物的指标分数计算过程包括： 获取监测区域内的实际种类数量与初始种类数量的比 值为动物种类比值， 获取监测区域内的动物活动时间与监测时间的比值 为活动时间比值。 4.如权利要求2或3所述的一种基于AI算法的城市公园活力计算方法， 其特征在于， 植 物的活力要 素指标包括监测区域内的外来植物种类、 本地植物种类、 病虫害面积、 绿化面积 和植物总面积； 监测区域内的植物的指标分数包括 植物多样性、 病虫害率和绿化 率； 植物的指标分数计算过程包括： 获取监测区域内的外来植物种类与本地植物种类的比 值为植物多样性， 获取监测区域内的病 虫害面积和植物总面积的比值为病 虫害率， 获取监 测区域内的绿化 面积和植物总面积的比值 为绿化率。 5.如权利要求1、 2或3所述的一种基于AI算法的城市公园活力计算方法， 其特征在于， 在所述计算监测区域内所有的物种基础活力值的加权和获得该监测区域的区域活力值步 骤中， 物种的基础活力值的权 重根据监测区域内的该物种的密度与多样性设定 。 6.如权利要求1、 2或3所述的一种基于AI算法的城市公园活力计算方法， 其特征在于， 在所述计算 公园内所有监测区域的区域活力值的加权和获得公园活力值步骤中， 监测区域 的权重为监测区域 面积与公园总面积的比值。 7.如权利要求1、 2或3所述的一种基于AI算法的城市公园活力计算方法， 其特征在于， 监测区域包括低密度低多样性区域、 低密度高多样性区域、 高密度低多样性区域和高密度 高多样性区域。 8.如权利要求1、 2或3所述的一种基于AI算法的城市公园活力计算方法， 其特征在于， 活力要素提取模型的训练过程包括： 将样本图像放入初始神经网络模型中进 行活力要 素指 标提取， 对提取后的样本图像进 行校准， 将提取错误的样 本图像进 行标注， 并放入初始模型 中进行训练， 直至提取效率和提取准确 率达到设定值， 导出训练后的初始神经网络模型为 活力要素提取模型。权　利　要　求　书 1/2 页 2 CN 115482504 A 29.一种基于AI算法的城市公园活力计算系统， 其特征在于， 在运行过程中使用了权利 要求1‑8中任一所述的一种基于A I算法的城市公园活力计算方法； 该系统包括导入模块、 活 力要素提取模块、 存 储模块和计算模块； 导入模块用于导入监测区域的监测图像； 活力要素提取模块用于训练和存储活力要素提取模型， 活力要素提取模型用于提取监 测图像中的活力要素指标； 存储模块用于存储和记录物种的指标分数的权重、 物种基础活力值的权重与监测区域 的权重； 计算模块用于计算物种的基础活力值、 区域活力值和公园活力值。 10.如权利要求9所述的一种基于AI算法的城市公园活力计算系统， 其特征在于， 还包 括监控模块、 登录模块和展示模块， 监控模块用于拍摄监测区域的监测图像； 登录子系统用 于验证使用者身份， 验证成功后启动导入模块和活力要素提取模块； 展示模块用于展示公 园活力值。权　利　要　求　书 2/2 页 3 CN 115482504 A 3