Das BeesBook-Projekt am Biorobotics Lab der FU Berlin untersucht mit einem neuartigen Versuchsaufbau das Verhalten von Bienen. Dazu werden mit Binärcodes markierte Bienen im Bienenstock gefillmt. Mit Hilfe von Bilderkennungs-Software werden die Position der Codes, und somit der Bienen, auf dem Videomaterial erkannt. Da jeder Code einzigartig ist, können die Bewegungen einer Biene über ihren gesamten Lebensverlauf zugeordnet und ausgewertet werden.

Durch die Rahmenbedingungen des Versuchsaufbaus und der verwendeten Technik ist die Genauigkeit mit der Codes gefunden und ausgelesen werden können beschränkt. Vor der Auswertung des Bienenverhaltens ist daher ein Tracking-Zwischenschritt nötig, der die erkannten Codes zu Pfaden von Bienenbewegungen verbindet und Ungenauigkeiten herausfilltert. In dieser Arbeit wird ein Algorithmus für das Tracking-Problem auf Basis eines probabilistischen Filterings unter Verwendung von Maschinellem Lernen mit Gradient Boosting vorgestellt. Die Arbeit beschreibt die Anforderungen an den Algorithmus die sich aus der Datengrundlage ergeben, die Entwicklung des Algorithmus aus der Lösung verschiedener Teilprobleme und die Evaluation der Tracking-Ergebnisse.