机器学习与人脸识别5：弱分类器和强分类器

英文原文地址：http://www.ricoh.com/about/company/technology/voice/column/020.html

将英文原文中的图片搞过来了。

动物，包括人类在内，通常是通过判断周边的情况后做出行动，这种反应速度的迅速性和灵活性令人吃惊。大多数生物如一次判断失误，下次便会纠正失误的判断基准。信息识别技术通过借鉴生物的这种灵活的信息处理特征，在信息技术处理方面获得了巨大进步。人类通常以来采取的方法是对需识别的对象做尽可能详细的调查，然后把调查得来的数据与预先获得的数据进行统计、分析，然后得出结论。另外，人们也可以根据持有的经验获得有效的判断效果。例如，对于路面上的一只动物，首先我们根据它的轮廓判断其大小，根据大小判断它可能是一只狗或猫；然后我们接近它，仔细观察它的形状和颜色，发现它既非狗也非猫，而是一只狐狸。这时，我们的经验库里就会增加同样大小的动物也包括狐狸的可能性。各种生物就是通过不断重复这种有机有序的判别方法，做出快速，准确，灵活的反应。

举一个简单的例子来说明图像识别。如图1所示平面上的一个圆形，传统的方法是尽量采用强分类器来加以识别。假设对象物圆点为(I,J)，半径为5，针对标本点(x,y)，我们来判断以下公式(1)能否成立。

(x-I)2+(y-J)2=5