张　丹，陈兴文，赵姝颖

(1.大连民族大学 工程教育学院，辽宁 大连 116605;2.东北大学 信息科学与工程学院，辽宁 沈阳 110819)



基于改进的随机森林TLD目标跟踪方法

张丹1，陈兴文1，赵姝颖2

(1.大连民族大学 工程教育学院，辽宁 大连 116605;2.东北大学 信息科学与工程学院，辽宁 沈阳 110819)

摘要：针对TLD算法中采用的随机森林分类器的决策树阈值固定，不能根据目标特征随时调整，影响分类精度和时间开销的问题，引入极端随机森林的思想，提出了基于改进的随机森林TLD目标跟踪方法。该方法用Gini系数度量样本集合的混乱程度，通过比较Gini系数是否超过了给定阈值，判断叶节点何时转变成决策节点进行分裂；再结合TLD算法中的P-N学习框架和在线模型训练更新样本；最终基于改进的TLD算法完成目标跟踪。将本文方法应用于多个视频集进行目标跟踪实验，验证了算法的有效性和稳定性。

关键词：目标跟踪；随机森林；TLD；分裂阈值；在线学习

针对决策树阈值固定，影响分类精度和实时性问题，引入极端随机森林的思想，结合在线学习模型，提出了一种基于极端随机森林的TLD改进算法，解决了分裂阈值不能根据目标特征随时调整，影响跟踪适应性的问题。

1TLD目标跟踪算法

TLD 算法主要由三部分组成：跟踪、在线学习和检测，其三者相互作用，将得到的数据整合，最终确定下一帧中目标的位置。

TLD算法各变量互相作用关系如图1。运动目标被一个短期的跟踪器跟踪。growingevent和pruningevent分析特征空间的轨迹，连续不断的试图扩展或是限制在线学习模型的特征。……