图像序列中的运动目标检测与跟踪是计算机视觉领域研究的重要课题之一，在智能视频监控、军事侦察监视、智能交通与人机交互等领域有着广泛的应用，并发挥着举足轻重的作用。稀疏表示理论是近几年受到广泛关注的前沿理论，由于稀疏表示能够更有效地对图像建模，已成为驱动压缩感知、图像处理、信号处理与通信等领域发展的核心技术之一，并成为新的研究热点。　　本文研究基于视频序列的运动目标检测与跟踪问题。本文首先介绍了压缩感知的基础理论及稀疏信号的重构算法，重点分析了动态组稀疏信号及其重构算法，并针对AdaDGS的稀疏自适应问题提出改进策略，提高算法效率。接着，本文提出一种稀疏自适应的DGS背景减除算法，利用改进的AdaDGS算法和重叠分块的思想提高算法效率。此外，本文还提出了一种基于稀疏先验的快速背景减除方法，利用稀疏编码建立背景模型及检测变化，依据动态组稀疏先验进行前景提取。实验表明，本文提出的背景减除算法可以有效地检测动态场景中的运动目标。最后，本文将分类思想和稀疏表示结合起来，提出一种基于局部稀疏编码的判别跟踪方法。该方法利用局部稀疏编码对目标区域进行特征提取，使用朴素贝叶斯分类器对候选样本进行打分，进而定位目标。同时，为了适应目标外观的动态变化，算法对分类器进行在线更新。对比跟踪实验表明，本文提出的跟踪方法在多种挑战性的环境下都能稳定准确地跟踪目标，且优于大多数主流的跟踪算法。