视频小卫星是一种采用视频成像、视频数据实时传输、人在回路交互式操作工作方式的新型天基信息获取类微小卫星。面对视频卫星时刻更新的海量数据,人的理解能力既无法完成对大量数据的感知,理解速度也无法适应信息的更新速度,为了充分挖掘与利用视频卫星所拍摄的视频图像,使人在回路的控制方式更加科学可靠,操作更加简单智能,对运动目标的在线感知与凝视跟踪提出了迫切需求。本文系统研究了视频卫星运动目标智能感知与跟踪控制问题,主要工作包括:首先,对空间弱点目标,提出了一种基于运动信息的目标检测算法,给出目标运动轨迹,解决了由于目标特征少、亮度不断变化以及卫星姿态运动带来的检测困难。分析了卫星姿态运动导致的图像的变化,证明卫星的姿态修正对图像坐标的影响可以分解为图像的平移与旋转,推导出图像姿态运动补偿公式。首先通过双边滤波对图像进行降噪处理,然后采用自适应阈值来分割单帧图像。考虑到目标运动和亮度变化的连续性,自适应阈值基于局部图像特征和上一帧检测结果的先验信息以及卡尔曼滤波的结果,大大提高了检测概率。之后使用灰度重心法计算像点坐标,最后利用多帧间目标成像的运动特征检测出目标。基于天拓二号在轨拍摄的视频图像验证了算法的有效性。然后,对地面运动目标,提出了一种基于深度卷积神经网络的智能感知算法,能够实时检测出视频中的运动目标并识别出其类别,给出目标运动轨迹,解决了目标尺度小、训练样本少、算法实时性要求高等困难。分析了遥感视频运动目标的小尺度特性、时域上的运动特性,针对这些特性,提出一种改进的自适应高斯混合模型背景减除算法得到运动目标的候选区域;研究了小样本下的深度神经网络训练问题,提出了一种降维的迁移学习方法;选用了21层的残差卷积神经网络识别候选区域中的目标,并提出了树形分类方法,实现对兴趣目标的智能感知。基于多个型号视频卫星在轨拍摄的视频图像验证了算法的有效性与实时性。最后,在此基础上,研究了视频卫星对运动目标的凝视跟踪控制与测量方法。提出了一种图像引导的运动目标跟踪控制方法,设计了自适应变系数的PD控制器,使用遗传算法优化系数,实现了对目标的自主凝视跟踪成像,并以视频卫星在轨拍摄的图像作为输入对控制方法进行仿真验证。建立了基于目标成像确定目标运动信息的通用数学模型,研究了目标视线测量的误差分析问题,推导出了误差范围的解析表达式,并提出了地球表面目标运动信息确定方法,利用该方法可提高视频卫星对海面运动目标的定位精度。针对姿态数据缺失的情况,对细节丰富的目标背景图像,提出了一种基于深度卷积神经网络的景象匹配方法确定目标位置,该方法使用预训练的深度卷积神经网络提取的特征来进行匹配,对于光照、尺度和视角差异具有较好的鲁棒性。本文解决了视频卫星对空间运动目标与地面运动目标的智能感知问题,通过目标成像信息引导视频卫星对目标自主跟踪成像,并解算得到目标的运动信息,对现有视频卫星图像的应用及下一代视频卫星的设计与规划具有重要的意义,对灾害救援、突发事件监控、战场态势感知等具有较大的应用价值。