压缩感知理论充分利用了信号的稀疏性或可压缩性,实现了超越传统采样理论的极限。在应用数学、计算机科学以及电子工程等领域引起了广泛的关注。该理论表明,利用非线性最优化方法,仅通过采集少量的信号观测值就可以准确地重构出稀疏信号或者可压缩信号并且对信号的观测是一个线性、非自适应的过程。目前,如何设计有效的观测方案以及将其扩展到实际的数据模型和采集系统中是研究的热点问题。本文重点研究了如何利用压缩感知理论实现运动目标检测的方法。主要工作如下:压缩感知的理论分析与总结。对压缩感知理论进行了分析,分析了压缩感知的理论基础,总结并分析了目前现有的测量矩阵与信号重构方法。经典运动检测方法的分析与总结。分析并研究了现有运动目标检测的经典方法,通过实验仿真总结了各种方法的优缺点以及适用环境。压缩感知用于运动检测的方法研究工作。基于对压缩感知与经典的运动目标检测方法的研究与分析,利用压缩感知方法实现了一种背景差分运动检测方法。在仿真实验中该方法具有较好的表现,实验结果验证了该方法的可行性。由于压缩感知运算简单,在数据采集的同时可以实现数据压缩的效果,可以很好地降低运动目标检测过程中数据计算与存储的成本。十分便于对设备功耗和计算能力有较高要求的视频监控等场合应用。