运动目标检测与跟踪是计算机视觉技术中的一个研究热点，它在视频监控、航空制导、交通检测等现代工业、军用及民用领域中应用都很广泛。但在应用过程中，运动目标的检测与跟踪仍然面临着诸多问题，如光照变化、动态背景变化、目标外在姿态变化等因素对目标检测与跟踪准确性的影响，因此，需要分析目标自身的特征和外部空间状况，综合其特点对目标进行检测和跟踪，提高目标检测和跟踪鲁棒性。　　压缩感知理论是近年来新提出的一种信号采样理论，它通过充分利用信号的稀疏性，超越了传统采样理论的极限。近年来，压缩感知理论被引入目标检测与跟踪领域中，取得了一定的成果，但目前此方面的技术不够成熟，仍需进一步研究。本文在认真学习相关研究成果的基础上，深入研究了压缩感知理论和目标检测与跟踪技术，主要工作包括：　　1、提出了一种基于压缩感知和背景差分的运动目标检测算法。算法首先针对传统背景建模算法--平均值法中获得的初始背景图像精度低、误差大缺点，运用替代和多次平均的思想，提出一种改进的背景建模算法，然后用此改进的背景建模算法提取出初始背景图像后，结合压缩感知理论知识，使用小波基对图像进行稀疏处理，用高斯随机测量矩阵进行测量，得到图像的少量压缩测量值，再使用此压缩测量值进行背景模型更新及判断是否存在前景目标，最后通过正交匹配追踪算法选择重构出前景运动目标，完成运动目标的检测。实验结果表明，新算法通过提高初始背景图像的精度和应用压缩感知，不仅减少了图像数据传输量、功耗和视频传输的成本，还有效提高了运动目标检测的准确性。　　2、提出了一种基于压缩感知的互补特征加权目标跟踪算法。算法首先用两个随机测量矩阵提取出两类互补的纹理特征和灰度均值特征，然后计算这两类特征对样本的分类结果并更新特征权值，使用所选取的大权值特征寻找目标在下一帧中的位置。在分类器的更新过程中，通过采取不同的更新速度，适应了不同特征在跟踪过程中的稳定性不同。实验结果表明，通过使用互补特征加权，与相关算法相比，新算法在目标纹理或光照变化较大的情况下具有更强的鲁棒性。