Aunque los investigadores están utilizando fuentes de datos para describir las características visuales de las calles, pocos investigadores han vinculado las percepciones humanas del entorno urbano con la densidad de actividad humana. Este estudio propone un marco analítico conceptual que explica la relación entre la densidad de actividad humana y las características visuales del paisaje urbano. El modelo de segmentación de imágenes DeepLabv3+ extrae automáticamente la información semántica de cada píxel y clasifica los elementos visuales de 120,012 imágenes panorámicas de vistas de calles de Zhengzhou, China, utilizando el método de ponderación de entropía y superposición ponderada para calcular el puntaje de percepción de la calle. Este enfoque de aprendizaje profundo puede describir con éxito la semántica de las calles y la conexión entre la densidad de población y la percepción de la calle. El estudio proporciona un nuevo método cuantitativo para la planificación urbana y el desarrollo de ciudades de alta densidad.