视频烟雾检测技术是一种利用计算机视觉技术检测视频中烟雾事件的技术。由于其覆盖面积大、响应时间短、成本低等优点,逐渐取代传统传感器烟雾探测系统,并且随着计算机视觉技术的快速发展,受到研究者们的广泛关注。现有的一些视频烟雾检测技术,大多采用单一的方法,未构成一套完整的视频烟雾检测系统。较高的误报率是现有技术存在的主要缺点。在现有的烟雾检测技术框架上,搭建了一个基于深度神经网络的视频烟雾检测系统。目前,深度神经网络已成为机器学习、计算机视觉领域的一个研究热点。卷积神经网络作为深度神经网络的一个重要模型,其在图像识别方面表现突出。深度的卷积神经网络通过从大数据中自动学习到图像特征,相比于传统人工提取特征的方法,其能更好的学习到刻画图像本质的表征信息,有利于分类识别。由于烟雾区域的不规则性,分块检测是一种有效的方法。快速的视频预处理能够大量降低整个系统的时间复杂度,首先对分块的视频帧做运动检测,定位运动的区域。然后,对运动区域再做颜色分析,过滤掉大部分非烟雾的区域。烟雾纹理分析是整个系统的主要过程,也是时间复杂度最高的过程。因此,视频预处理过后,分析其纹理特征,既能精确的检测有烟区域,又有利于满足系统实时性的要求。在单帧静态纹理分析的基础上,再分析其时空域上的动态信息,提高检测精度、降低误检率。采用C++并基于Caffe实现了基于深度神经网络的视频烟雾检测系统,并且可以利用GPU加速纹理分析部分,使系统基本达到实时性要求。在烟雾检测公共视频库上分析其算法性能,与现有性能优异的算法相比,实验数据表明深度神经网络方法在精确度上有进一步提高,并且误检率大幅度降低。