在室内环境中基于视频进行早期的火灾检测,研究火灾烟雾检测算法。针对当前火灾烟雾检测中存在的不足,本文提出一种基于烟雾多特征结合的方法,降低环境因素干扰造成的误报。首先采用码本方法进行背景建模,提取视频场景中运动区域,然后结合帧间运动像素比和颜色特征进行初始判断,提取火灾烟雾的可疑区域,通过此过程,减少了后续处理的图片区域大小,提高程序运行效率。检测过程中采用火灾烟雾平均梯度信息、面积变化特征和边界不规则度特征进行精确定位,大大提高了检测的准确性。最后根据实际监控场景的需要,针对实际监控场景中三种常见的干扰,设计一套背景更新策略,使程序中的背景模型最大程度接近实际监控场景,提高检测的准确性,并作为长期稳定的视频监控中必不可少的一部分。文中采用支持向量机(SVM)方法进行对火灾烟雾分类,首先通过手动处理,将训练样本中的明显非烟雾区域去除,然后,提取帧间的运动像素点比率、面积变化率、边界不规则度,然后结合每帧图像中静态的颜色特征,进行分类器的训练,在检测过程中,设定一个时间窗,结合平均梯度变化进行最终的判断。在进行实际应用检测中,本方法在室内环境中,对光照变化和穿具有和烟雾颜色近似衣服的行人都有很好的辨识效果,而通过点烟测试,本方法也能对火灾烟雾进行有效的识别和检测,因此,本方法识别结果具有很强的可靠性。