行人检测：基于HOG特征的腿部感兴趣区域算法

本文是一篇2013年的学术论文，主要研究内容是"结合HVS(人眼视觉系统)和SSIM(结构相似性指数)的无参考模糊图像评价方法"，但提供的部分内容似乎与行人检测技术有关。论文的焦点集中在如何利用腿部感兴趣区域梯度方向直方图(HOG)特征进行行人检测，以解决道路交通事故中的行人识别问题。 在行人检测方面，论文首先指出汽车与行人的碰撞事故中，行人检测的鲁棒性和准确性至关重要。作者提到，行人特征的多样性，如姿态、服饰和复杂环境因素，使得单一的颜色、灰度或纹理特征不足以有效检测行人。因此，论文着重于利用人体轮廓的稳定性，特别是HOG特征，它能够捕捉到图像局部区域的梯度强度和方向分布，从而提供行人外观和形状的稳定描述。 作者借鉴了 Dalal等人提出的HOG特征，该方法利用局部边缘梯度来表征行人，这在行人检测领域表现出色。论文还提到，Zhu等人优化了HOG特征提取过程，通过Adaboost算法去除冗余特征，提高了处理效率。另外，Dalal等人进一步扩展了HOG，结合光流场方向直方图特征，增强了在运动和变化背景下的行人检测能力。 论文的创新点在于将HOG与HVS（人类视觉系统）及SSIM（结构相似性指数）相结合，可能是在评估模糊图像时考虑到了人眼对细节的感知和图像结构的相似性。这种方法可能是为了提高行人检测的主观质量和客观评价标准，尤其是在模糊或低质量的视频图像中。 此外，文章提到了作者的研究团队由郭烈副教授和赵宗艳硕士研究生组成，他们分别专注于汽车碰撞安全和行人保护技术的研究。研究得到了国家自然科学基金的支持，且论文经过了多次审阅和修改，最终发表在《计算机工程与应用》杂志上。 这篇论文深入探讨了利用HOG特征进行行人检测的方法，尤其是如何结合人眼感知和图像结构评价，旨在提高行人检测的准确性和效率，以减少交通事故的发生。