针对原始算法特征可能出现的特征无法准确表达目标特性的问题，提出一种改进Haar-like特征的压缩跟踪算法。原始算法利用正负样本训练构造分类器，利用分类器对候选样本判定，得到最高分类器响应样本就是目标。进行重采样以更新分类器为下一帧做准备，对出现的问题，使用了一种新的图像特征来表示目标特性，同时加入一系列策略处理样本，去除那些与目标差异较大的样本，并进行仿真。仿真结果表明：该算法不仅提高了分类器对于正负样本的判别性，也降低了算法的计算复杂度，提高了算法的实时性。