Los rastreadores basados en el filtro de correlación discriminativo (DCF) han logrado un rendimiento notable en el seguimiento visual de objetivos en los últimos años. Dado que los objetivos suelen estar afectados por diversos factores como deformación, rotación, desenfoque de movimiento, entre otros, los rastreadores deben actualizar las plantillas para el seguimiento en línea. El propósito de la actualización de la plantilla es adaptarse a los cambios del objetivo, cuya magnitud está estrechamente relacionada con el estado de movimiento del objetivo. En realidad, la tasa de aprendizaje de la actualización de la plantilla indica el peso de la muestra histórica, y su valor está fijo en la mayoría de los rastreadores existentes, lo que disminuirá la precisión del rastreador o hará que sea inestable. En este estudio, se propone un nuevo método de tasa de aprendizaje dinámica para la actualización de plantillas en el seguimiento visual de objetivos. El estado de movimiento del objetivo se define por la diferencia en la posición del centro del objetivo entre los fotogramas. Luego, la tasa de aprendizaje se ajusta dinámicamente según el estado de movimiento del objetivo en lugar del valor fijo, lo que podría lograr un mejor rendimiento. Los experimentos en los populares conjuntos de datos OTB100 y UAV123 muestran que con la propuesta tasa de aprendizaje dinámica para la actualización de plantillas, los rastreadores basados en DCF pueden mejorar la precisión de seguimiento y obtener una mejor estabilidad de seguimiento en escenarios como movimientos rápidos y desenfoque de movimiento.