以广州市为例,选取中心4个区6 670个采样点（涵盖121个社区）的百度街景图片,从城市建成环境特征探讨了城市贫困识别的可能。首先,训练基于深度神经网络的街景图片分类模型后,对街景要素进行语义分割,并通过缓冲区分析统计社区尺度的街景指标;其次,经主成分分析法提取出建筑围合感、植被围合感、天空开阔感和道路开阔感4个街景主因子,并验证其与多重贫困指数（IMD）的相关性;最后,通过采用简单随机抽样法选取61个社区,构建街景预测的多元线性回归模型,对剩余60个社区进行贫困预测,验证街景指标测度城市贫困的度量精度。结果发现,案例社区的多重贫困指数（IMD）与建筑围合感呈正相关,与植被围合感、天空开阔感、道路开阔感呈负相关;从整体看来,街景预测结果与传统城市贫困测度的空间规律基本相符,而且结果通常比传统测度的城市贫困程度高。这是因为受测度内容、社区类型、街道属性等方面的影响,街景识别方式比较适用于判断建成环境较差的贫困社区。街景图片预测有利于刻画城市贫困人群真实的生活环境,便于对城市建成区进行及时监测,在一定程度上可以与传统城市贫困测度相互校正、弥补不足。?