烟雾是火灾初期的最显著特征之一,对各种环境下的视频烟雾进行准确的检测是减少火灾的重要手段。随着人工智能技术的发展,基于计算机视觉的烟雾检测技术研究得到了广泛关注。本文对基于计算机视觉的烟雾检测算法进行研究,主要工作如下:(1)在候选区域提取阶段,本文实验对比分析了光流法、背景差法、帧差法这三种比较常见的运动区域提取算法,最后选取背景差法并结合暗通道先验算法进行烟雾候选区域提取。(2)研究了基于小波变换的烟雾检测方法,将多级小波分解与LBP、HOG特征进行有效结合提取烟雾特征。实验结果表明,此方法进行视频烟雾检测的准确率高于己有方法,并降低了误检率。(3)研究了将LGBP方法应用到烟雾检测中。把LGBP应用于烟雾检测,可以进一步提取烟雾图像多方向和多尺度的局部二值模式信息,增强了特征的描述力。实验结果分析,基于LGBP方法进行视频烟雾检测准确率高于常见的特征提取方法,并降低了误检率。(4)本文探讨了一种轻量级卷积神经网络SqueezeNet与SVM相结合的方法来进行视频烟雾检测,探讨了一种SqueezeNet-SVM网络模型,并与常见的深度学习网络进行了对比实验,实验结果验证了所提出方法的有效性。