针对群智感知中的平台在用户稀疏区域获取的任务数据可靠性低且任务难以按时完成的问题,提出一种联合区域热度和社交属性感知的参与者选择机制。首先,考虑不同区域热度对任务完成程度的影响,根据区域活跃用户数、用户平均停留时间及区域历史感知任务完成情况评估区域热度。其次,为了分析用户社交属性对任务完成程度的影响,结合用户的状态信息和用户历史感知任务记录计算用户意愿度、信誉度以及活跃度;综合考虑上述因素,分别为高热度和低热度区域设计了以最大化任务完成质量和最大化任务完成数量两种不同的社交属性感知的参与者选择机制。结果表明,所提机制能够显著提升总体数据质量,在低热度区域也可以及时可靠地完成感知任务。相比于SUR和GGA-I两种算法,失败率分别降低了66.7%和50.6%。