论文部分内容阅读
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。