針對(duì)矩陣式瀑布分類器學(xué)習(xí)算法在負(fù)樣本自舉過程中無法快速自舉出訓(xùn)練所需的高質(zhì)量樣本，自舉過程嚴(yán)重影響整體學(xué)習(xí)效率及最終檢測器性能等問題，提出了一種高效學(xué)習(xí)算法——負(fù)樣本信息繼承的矩陣式瀑布分類器高效學(xué)習(xí)算法。其自舉負(fù)樣本過程為樣本繼承與層次自舉相結(jié)合，首先從訓(xùn)練上一層強(qiáng)分類器所用的負(fù)樣本集中繼承有效負(fù)樣本，樣本集不足部分再從負(fù)圖像集中自舉。樣本繼承壓縮了有效樣本的自舉范圍，可以快速自舉出訓(xùn)練所需樣本；并且自舉負(fù)樣時(shí)對(duì)樣本進(jìn)行預(yù)篩選，增加了樣本復(fù)雜度，提升了最終分類器性能。實(shí)驗(yàn)結(jié)果表明：訓(xùn)練完成方面，本算法比矩陣式瀑布分類器算法節(jié)省20h；檢測性能方面，比矩陣式瀑布型分類器高出1個(gè)百分點(diǎn)；與其他17種人體檢測算法性能相比也有很好的性能表現(xiàn)。所提算法較矩陣式瀑布分類器學(xué)習(xí)算法在訓(xùn)練效率及檢測性能上都有很大提升。