森林对于生态系统的可持续发展起着关键作用,而森林火灾的发生严重威胁着生态系统发展。林火发生初期,由于树木的遮挡,火焰很难被发现,但烟雾却易被监控视频采集。相对传统的传感器技术,基于计算机视觉的森林火灾检测技术具有监控范围广、实时性强等优势,能够在森林火灾发生初期及时进行预警,极大地减小了火灾造成的危害。为此,本文针对基于视频分析的林火烟雾检测方法进行研究意义重大。根据森林火灾烟雾视频的特点,为了准确、快速地识别林火烟雾图像,本文对烟雾视频中运动目标检测、烟雾图像特征提取以及基于支持向量机分类器的设计等相关问题进行深入研究,提出基于视频分析的林火烟雾检测方法。烟雾视频的运动目标检测对林火烟雾的识别至关重要,它是后续对烟雾静态、动态特征提取以及烟雾位置标定的基础。在对运动目标检测的几种常用方法中,Vi Be算法具有占用内存少,计算复杂度低的特点,但其存在对光照变化适应性差和对噪声敏感的不足,本文利用SILTP算子的光照不变性,对Vi Be算法进行改进,实验结果表明改进算法对光照变化和噪声具有较强的鲁棒性。进而采用Freeman链码提取运动目标图像边缘,并通过外接矩形框获取运动目标图像。同时对烟雾的静态、动态特征进行研究。静态特征包括纹理特征、高频能量特征、边缘不规则特征;动态特征包括重心移动特征、运动方向特征。研究结果表明单一特征很难准确区分烟雾与非烟雾图像,需要多个特征组合才能有效区分。为此,本文设计了基于支持向量机的烟雾识别分类器,对影响分类器识别精度的因素,包括特征数据归一化、不同核函数、不同参数和不同特征组合进行分析与对比,根据对比结果对分类器进行优化,从而获得识别效果最优的烟雾分类器。将运动目标检测、烟雾图像特征提取和烟雾分类器进行组合,构成林火烟雾检测算法,对该算法进行性能测试,测试结果表明:本文提出的基于视频分析的烟雾视频图像检测算法对于烟雾视频图像的检测正确率达到93%以上,实现了对林火烟雾的准确检测。