随着社会与经济的不断发展,大型公共场所和无人看守原始森林的火灾安全问题受到人们越来越多的关注。许多研究者致力于研究如何及早发现火灾,并将火灾消灭在萌芽阶段。传统模式下利用传感器技术已发展出感光型、感温型、感烟型和复合型检测设备,它们主要依赖于对火焰、温度和烟雾的感知来进行火灾探测。传统的传感器技术,其每一个传感点只能监控布控点周围的局部空间,而在开放空间或高速气流等特殊场合难以发挥作用。随着计算机技术的不断发展,以及数字图像理论的不断完善和应用的不断普及,研究者们突破原先对光、温、烟三个前期火灾物理特征探测的设计理念,将注意力转移到火灾现象本身和深层次的机理研究方面,出现了基于视频图像处理技术的火灾检测,其运用数字图像处理技术和模式识别技术,根据火灾火焰和烟雾的图像特性来解决在大空间场所的火灾预警的问题。火灾发生初期会伴有大量烟雾产生,并在一定空间范围内传播,烟雾的监控对于及早发现火灾有着非常重要的意义。为此,本文从烟雾检测的角度,研究和探索了基于视频图像处理的火灾烟雾检测中的相关技术问题,并进行了仿真实验,主要内容包括以下几个方面:(1)分析了视频烟雾检测所须的数字图像处理技术及常用的运动检测算法,并研究使用了一种基于背景更新的运动区域检测算法以获取较有效的疑似烟雾区域。(2)从烟雾视觉特征出发,提出一种基于飘动性分析的烟雾特征提取方法。此外,还对烟雾区域的密度分布特征和边界形状特征进行了分析,并提出了相应的特征提取方法。最后,将以上几种特征量融合起来,获得了一个有效表征烟雾图像特征的9维特征向量。(3)介绍了自适应神经模糊推理系统的网络结构和学习算法,结合9维烟雾特征向量,将其应用于视频烟雾检测中,并提出了一种视频烟雾检测系统的总体结构及算法步骤。实验结果表明,相对于其他经典分类算法,自适应神经模糊推理系统在视频烟雾检测中能有效地提高检测率和降低虚警率,同时也验证了本文提出的烟雾特征量是稳定有效的。(4)介绍了基于最小错误率的贝叶斯决策和基于最小风险的贝叶斯决策,提出一种贝叶斯决策支持的视频烟雾检测算法。该算法将贝叶斯决策作用于自适应神经模糊推理系统的输出,分别使用基于最小错误率的贝叶斯决策和基于最小风险的贝叶斯决策对烟雾检测结果进行修正。实验结果表明,基于最小风险的贝叶斯决策由于考虑了烟雾误报和漏报的风险,有助于进一步提高视频烟雾检测性能。