随着社会的进步和计算机技术的发展，目标跟踪技术也应用到生活中各个方面，目标跟踪算法也是目前机器学习领域一个热门的研究课题。本文主要研究基于TLD(Tracking-Learning-Detection)框架的目标跟踪算法，学习和分析TLD算法，然后提出一种改进型的TLD算法，在这个算法的基础上设计一个目标跟踪系统，并实现对任意目标的自动跟踪。　　论文主要工作如下：　　1.研究当前新兴起的一种高效目标跟踪方法TLD(Tracking-Learning-Detection)，在此基础上，对TLD加以改进，针对TLD算法对目标的细节描述能力不够，跟踪学习时存在目标漂移以及增量分类器的增长过快的问题，对检测器进行改进，以最近邻增量分类器中的目标特征算子为主要的研究对象，引入多种描叙目标特征算子优化最近邻增量分类器，对于不同目标物体分别采用不同特征算子来进行检测对比，提出在TLD算法框架里使用Haar算子和基于NCC匹配的增量式分类器检测物体，不仅能减少增量分类器的存储开销和“复习”原有知识的计算开销，还能提高目标的细节识别能力和正确率，能够获得比原始算法更理想的跟踪效果。　　2.设计并实现了一个基于改进的TLD算法的目标跟踪系统，该系统采用MFC编程和OpenCV图像处理库来设计实现，可以通过软件界面上可选框来调节跟踪算法的参数，提供了一个良好的交互平台，从而更好的跟踪目标。　　本文的工作不仅涉及TLD目标跟踪系统的理论研究，而且给出了使用改进的TLD算法的具体系统设计方案，可为快速准确地进行长时间目标的自动跟踪。