压缩传感是2006年正式被提出的一种开创性的信号与信息处理理论。该理论中信号采样与压缩可以同时进行，采用求解最优化计算方法，仅依据少量的采样信号就可以使用重构算法较为精确地还原出具有稀疏性质信号或者可压缩信号。在应用数学、计算机科学以及通信电子工程等基于信号处理的领域引起了广泛的关注。计算机视觉尤其是智能视频监控领域中一个非常重要的研究课题是运动目标检测算法。相比已经投入实际应用的各种运动目标检测算法，背景差分算法应用最多。鉴于压缩传感理论优势，考虑在智能视频监控中，为了实现处理多维复杂信号需求，降低运算复杂度、减少硬件成本等诸多问题，本论文研究的目标是基于压缩传感的背景差分方法。论文主要研究工作是：首先介绍压缩传感基本知识、理论框架、实现过程、国内外研究及相关应用现状。重点介绍了信号稀疏表示、测量矩阵、重构算法三方面内容，主要包括应用前提、选择因素、优化算法等。其次重点分析运动目标检测中一个非常重要的算法—背景差分法。详细说明该算法的理论基础和适应场景，分析其优缺点，介绍了几种典型的背景建模算法和背景更新算法。之后重点研究如何采用压缩传感理论框架来构建背景差分方法的目标检测算法。算法的基本构想是：在背景已知的情况下，由于差分图像相比背景图像只有较少比例的部分，其测量值满足稀疏性，对其使用超完备字典进行稀疏表示；通过改进的哈达玛测量矩阵对图像进行测量获得测量值；在压缩传感域建立背景差分模型，利用测试图像与背景图像的测量值的差值可以获得差分图像测量值，完成差分图像的压缩观测；再从压缩采样后的差分观测值中通过重构算法恢复出差分图像，即运动目标区域的近似值。使用自适应的背景更新方法对背景图像进行更新，排除了各种背景变化干扰，保证了运动目标检测的精度。通过实验仿真，基本可以验证算法能够高效地采样，且可以获得较为精确的重构图像，具有一定的可行性。同时算法也存在一些不足之处，比如信号测量时间较长，测量矩阵结构决定其应用有限定范围，实际应用中算法整体性能需要进一步改进。