为了解决自适应运动目标跟踪中常见的漂移现象，提出一种基于主动特征选择（AFS）的在线权重多实例运动目标跟踪算法，在原有多实例学习的框架中引入一种新的包概率模型——加权和模型，然后使用主动特征选取法来提取更高效的特征，以降低建立分类器模型的不确定性，并通过优化Fisher信息判别准则进行在线boosting特征选取。实验结果表明，该方法鲁棒性较好，可以有效解决漂移问题，并能实时地完成在线跟踪。在此研究基础上将考虑更有效的光照不变特征。