TLD（Tracking-Learning-Detection）算法是一种新颖的单目标长时间视觉跟踪算法，在给定极少的先验知识的情况下，能够迅速地学习目标特征并进行有效的跟踪。TLD算法中跟踪器每次在跟踪目标上均匀地选取特征点进行跟踪，不能保证每个特征点都能够被可靠地跟踪。针对这个问题，提出一种基于关键特征点检测的改进TLD算法，保证所选特征点都能够被正确可靠地跟踪，防止跟踪结果发生漂移，提高了跟踪器的跟踪精度。另一方面，在TLD检测器中引入了基于轨迹连续性的在线位置预测，在保证正确跟踪的前提下，缩小了检测器的检测范围，提高了运算速度。实验结果表明，该算法有较高的跟踪精度和速度。