传统单纯依靠传感器的火灾探测方法,监控范围小、其准确性受传感器灵敏度、传感器寿命局限等影响,且难以提供直观、实时的灾情现场信息。所以基于视频的火灾检测方法受到了人们广泛的关注。烟雾作为火灾发生前非常重要的信号,‘对其及时的探测可有效避免火灾发生或将损失降至最低,同时相比火焰而言,其扩散范围更广,更容易被观察到。本文首先对国内外视频烟雾检测技术研究领域的现状进行了分析,然后结合运动检测算法、烟雾颜色模型和主运动分析算法构建一个视频烟雾检测预处理算法。实验结果显示该方案以较小的计算开销滤除大部分静止的、非烟雾颜色的或运动方向不符和烟雾特征的干扰区域。为了全面综合的对比分析现有纹理特征对烟雾的识别效果,本文引入了HEP纹理描述框架,并对比了该框架下的22种特征对烟雾识别效果。通过识别率、提取时间、特征维数和识别时间四个指标选择出了本文认为最适合烟雾的纹理特征。烟雾运动的本质是一个流体的运动,针对目前大部分算法会在刚体的运动情景里发生误检的不足,本文提出了基于块的帧间差异分析(BIFD),利用颜色矩和Hu矩对差异进行了统计分析,最终选择了颜色矩；另外引入了LBP相关的动态纹理特征来分析视频烟雾的动态纹理,同时给出了三个动态纹理特征的改进算法,实验结果显示改进的算法在识别率和时间效率上都有所提高；综合比较了三种改进算法,选择了一个本文认为效果最好的作为烟雾的动态纹理特征。最后提出了基于块的烟雾历史记录图来进一步降低误检。本文对所提出的方法在大量复杂场景视频中进行了测试,实验结果显示本文方法对于烟雾视频的漏检很少,非烟雾视频的误检很低；最后本文对算法的时间效率进行了分析。