针对传统跟踪—学习—检测（tracking-learning-detecting，TLD）目标跟踪算法由于检测模块扫描大量子窗口而导致检测时间过长，并且在跟踪过程中当目标发生严重遮挡、形变时，TLD算法会出现跟踪失败的问题进行了研究，提出改进TLD目标跟踪算法。改进算法在检测模块前加入ViBe模型预估前景目标，极大地缩小了检测区域。追踪模块用SIFT特征匹配算法来代替原算法中的光流法，准确跟踪目标避免发生跟踪漂移，减少了计算的复杂度，提高了算法适应环境的能力。实验表明，改进后的TLD算法运行速度得到提升，并且当目标出现严重遮挡、光照强度剧烈变化时的跟踪精度也得到了很好的改善。