运动目标检测与跟踪是计算机视觉研究方面的热点问题。在智能交通、军事、医疗、视频监控等领域中都有着极为广泛的应用。在运动目标检测与跟踪中,光照、外形变化、背景变化、物体遮挡都有可能影响检测与跟踪的准确性。因此,分析前景目标的特征、外部结构、空间背景状况等,能提高目标检测与跟踪的时效性和鲁棒性。稀疏表示理论是近年来的热点研究,稀疏表示对信号进行稀疏、改变了以往采样理论的状况。这些年,稀疏理论在目标检测与跟踪的研究领域中普遍出现,在这些领域中,稀疏表示改进的很多算法都取得了一定的成果,可在技术方面,稀疏表示仍不够成熟,本文在相关研究成果的基础上,继续深入研究学习。本文的主要工作包括:1、提出了一种基于稀疏表示的Prewitt算子改进三帧差分的运动目标检测算法。算法首先利用稀疏表示进行图像去噪处理,通过广义主成分分析的自适应性,保留了图像的细节信息和边缘信息。然后从处理后的图像中连续提取三帧图像,将提取运动目标的边缘图像进行三帧差分运算,并将结果与经过背景差分后的中间帧进行“或”运算,最后将结果进行二值化和形态学处理。实验结果表明,该算法处理效果比较好,检测目标完整,该算法将图像数据传输量和功耗大大地减少了,还降低了视频传输的成本,对运动目标检测的精确性有了很明显的提高,还消除了“重影”和“空洞”问题。2、提出了一种基于SURF的压缩跟踪算法。该算法为的就是解决目标在光照变化和快速移动场景下跟踪漂移的问题。首先在视频序列中选择出跟踪目标,对跟踪目标进行SURF特征的提取,运用压缩感知理论将SURF提取的特征进行稀疏,将高维的特征进行降维,然后将降维后的特征进行筛选,通过筛选的目标样本可以更好的区分背景和目标,进而更新分类器确定目标的位置。在运算中通过降维可以减少运算量,从而减少了目标在跟踪中的计算时间,其跟踪的精确性、时效性相比相关算法都有所提高。