本发明公开了一种基于模糊学习的目标跟踪方法，该方法主要分为三部分，首先在跟踪器方面，使用稀疏表示算法对目标进行跟踪；然后在检测器方面，使用级联分类检测器(其中包含方差分类器、集合分类器、最近邻分类器)对目标位置进行检测；最后在学习更新方面，使用模糊学习器对跟踪器和检测器输出结果进行综合，根据时间连续性、空间唯一性、相似性、目标大小一致性四种约束的隶属度得到目标最终位置。本发明基于模糊学习的目标跟踪方法在保证实时性的同时对目标光照变化有很好的适应性，提高了学习器的判别能力，从而改善了算法的跟踪准确性和鲁棒性；对于目标跟踪的研究与实际应用的开发都具有重要的理论与实际意义。