（译文 页数：13 字数：6091）以中心为主且适合有效率层级目标检测的评估

摘要：我们描述一个进行目标识别的级联方法。该方法应用了“以中心为特色”的评估中一种新颖结构，该评估方法通过多级窗口来重用面部特征评估。 我们通过以下几种简化将评估的费用减至最小： (1) 局限照明标准化，(2) 分离特征作为一附加模式和(3)离散型的特征。 该方法也结合了一种独特的特征表现方法。在该层叠方法的初期使用简单快捷的特征评估，后期则使用更复杂的具有判别能力的特征。 尤其，我们推荐基于稀疏编码和过滤器回应之间的顺序关系的特征。层叠且以面部为主的评估与越来越具复杂性的特征结合起来可以提高计算效率和精确度。 我们对在十个目标上进行的实验情况做一描述，实验对象包括面部以及汽车。 这些结果包括在和对汽车识别的UIUC图片数据库的同等错误率下对97%的目标进行了识别。

目录

1.引言
2.基于中心的评估
3.层叠阶段的成分
4.实验
5.结论

1 引言
进行目标识别的难题之一是应付目标大小和方位的多样化。一个目标可以以任意大小出现在一副画的任何地方，这里有两个解决该问题的一般方法。“不变式”方法试图使用特征几何量[6][7][25][28]或光度测定道具[4][15][22]的过滤器，该方法的最关键之处是找出具有不变性和具有判别力的特征，尤其是对象面部之类的自然物体。另一个方面，“穷举搜索“法包括在只有忍受目标位置和大小的有界变差的情况下建立对目标和”非目标“进行区分的分类器。该方法通过一副图中的方位和大小进行详尽的扫描，以此来找出目标。图1图解了该方法，分离器对图片中的所有“窗口”进行评估。该方法的缺点是象这样详尽式的搜索很耗时。