در این مقاله از رویکرد یادگیری نیمهنظارتی منظمساز مبتنی بر منیفلد با بهروزرسانی کنترلشده به منظور ردیابی شی استفاده میشود. فرآیند یادگیری با تعیین یک داده برچسبدار توسط کاربر و دادههای بدون برچسب متعدد در تصاویر متوالی، با استفاده ازرویکرد نیمه نظارتی انجام میشود. اما روشهای نیمهنظارتی موجود، بندرت به هندسه دادهها و بعد ذاتی آنها توجه دارند و با دسته- بندی دادهها تنها بر اساس فاصله اقلیدسی ویژگیهای آنها، توانایی تشخیص دقیق تغییرات شی را ندارند. از طرفی چون تنها از ارزیابیهای خود برای بهروزرسانی دادههای آموزشی استفاده میکنند، در صورت بروز اشتباه در بهروزرسانی داده، دچار مشکل انحراف از شی میشوند. هدف از این مقاله ارائه رویکردی برای حل این چالشها با استفاده از رویکرد منظمسازی منیفلد برخط به صورت نیمهنظارتی با خودآموزی کنترلشده است. در این رویکرد با کمک ردیابLucas-Kanade و فرض ثبات پیشرو پسرو، به روزرسانی دادهها، بصورت کنترلشده انجام میشود تا منظمسازی مبتنی بر منیفلد دچار مشکل خودآموزی اشتباه نشود. نتایج حاصل ازاعمال روش پیشنهادی روی مجموعه دادههای معیار ردیابی حاکی از دقت مناسب روش پیشنهادی نسبت به روشهای معتبر جدید موجود است