动目标感知是近年来信息获取领域最热门的方向之一。压缩感知将采样与压缩合二为一，省去高速采样过程中先采集大量冗余数据再进行数据压缩的中间过程，有效缓解高速采样的压力;同时有效降低数据传输过程中丢包、误码等带来的影响;使得采用低成本探测器获取高空间分辨率信息成为可能。本文对基于压缩感知的运动目标检测与跟踪关键技术及其应用进行了深入研究，具体研究内容包括:　　针对复杂背景下大尺寸目标渐变为一个点目标的情况，将快速压缩跟踪算法与卡尔曼滤波器相结合，设计了一种自适应算法切换策略，并详细说明了算法衔接过程中阗值的确定方式。同时根据目标尺寸选择相应的目标检测算法，实现小目标多尺度检测。实验结果证明，该算法可以实现大小渐变目标的实时跟踪。　　为了提高快速压缩跟踪算法对剧烈光照变化、目标旋转及运动模糊等的鲁棒性，对快速压缩跟踪算法进行了改进。改进算法从高斯差分图中提取目标特征，并且只对感兴趣区域进行操作以降低算法复杂度。之后通过朴素贝叶斯分类器获得得分最高的N个候选目标位置。并根据候选目标与初始帧目标以及邻近最相似目标的加权余弦相似度得到当前帧目标。实验结果表明，与其他跟踪算法(CT，FCT, CSK，CXT, CPF, Struck，CNT)相比该算法具有较好的跟踪效果，且平均帧频可以达到50.8帧/秒，能够满足实时性要求。　　为了省去图像重建的中间环节，有效提高基于压缩感知的小目标检测算法效率，设计了一种基于模板匹配的压缩域运动小目标检测算法。该算法通过压缩域背景建模来获得压缩域前景观测值。仿真实验结果表明，当单个采样间隔内目标移动距离小于0.18个单元时，目标运动对最后的定位精度基本没有影响。同时研究了降采样因子、投影矩阵、观测次数、噪声等对检测效果的影响。由于降采样因子提高会使得检测率和虚警率同时降低。因而提出降低感兴趣区域降采样因子以提高目标检测率，同时提高全局降采样因子在控制虚警的同时进一步降低数据量。实验结果表明，当观测次数为2次时（此时全局降采样因子为36，感兴趣区域降采样因子为4，感兴趣区域大小为18×18），检测率可以达到0.960，虚警率仅为0.009，压缩比范围为(12.26～15.46)∶1，并且单帧检测时间也只有0.34秒，检测效果与算法运行时间可以获得较好的平衡。　　为了减少采样时间以及图像重建计算量，深入研究了一种基于数字微镜器件的并行压缩成像系统，并在此基础上设计了一种基于掩膜版组的并行压缩成像系统。之后根据桌面样机采集数据的特性对提出的压缩域运动小目标检测算法进行改进以获得更好的检测效果。实验结果表明，当全局降采样因子为36，感兴趣区域降采样因子为4，感兴趣区域大小为18×18时，检测率可以逼近1，且虚警也能保持在一个较低水平。该方法可以有效降低系统成本，并且可以直接从低分辨率观测值中获得高分辨率目标位置信息。但是该系统无法适用于高速运动（运行速度大于0.773单元/秒）小目标的检测。