在局部遮挡，光线变化，以及复杂背景环境下进行有效稳定的目标跟踪一直是一个长期困扰研究者的复杂问题。提出一种基于随机局部均值Hash特征的在线学习目标跟踪算法，算法的创新点为基于泊松概率分布的目标模型建立及其在线更新。算法首先利用已标定实际位置的目标图像来初始化目标模型及构建初始分类器池，由此求出下一帧的检测算子，同时基于多实例在线学习方法，利用检测到的目标样本（正样本）以及附近的背景样本（负样本）在线更新目标模型，求出新的检测算子用于后续帧的目标检测及跟踪。提出的算法与现有基于检测学习的OnlineBoostingTracker，SemiTracker，BeyondSemiTracker，Co