本文针对基于颜色表征的无模型在线目标跟踪问题展开研究。根据近期基准评测结果，此类跟踪器往往容易漂移至与目标外观相似的区域。为克服这一局限性，我们提出了一种高效的判别性目标模型，能够预先识别出可能产生干扰的区域。进一步地，利用该先验知识，我们可提前调整目标表征，有效抑制干扰区域的影响，显著降低漂移风险。我们在最新的在线跟踪基准数据集上对所提方法进行了评估，结果表明其性能达到当前最优水平。尤其在准确性和鲁棒性方面，相较于近期主流跟踪算法，本方法均表现出明显优势。此外，所提出的方法具有高效的计算特性，可实现真正意义上的实时在线目标跟踪。