Para realizar un seguimiento de objetos en tiempo real en entornos complejos, se propone un algoritmo MIL basado en kernel (KMIL). El KMIL emplea la función de kernel gaussiano para tratar el producto interno utilizado en el algoritmo MIL ponderado (WMIL). El método evita calcular la probabilidad de posibilidad y negatividad muchas veces, lo que resulta en un rastreador mucho más rápido. Para seguir un objeto con diferentes movimientos, las áreas de búsqueda para recortar las instancias varían según el tamaño del objeto. Además, se presenta una estrategia de actualización de clasificadores adaptativos para manejar la oclusión, variaciones de pose y cambios de iluminación. Se define un rango de puntuación similar con respecto a dos umbrales dados y una puntuación similar del segundo fotograma. Luego, la tasa de aprendizaje se establecerá en un valor pequeño cuando una puntuación similar esté fuera del rango. En contraste, se utiliza una gran tasa de aprendizaje. Finalmente, comparamos su rendimiento con el de los algoritmos de vanguardia en varios videos clásicos. Los resultados experimentales muestran que el algoritmo KMIL presentado es más rápido y robusto ante la oclusión parcial, variaciones de pose y cambios de iluminación.