火灾一旦发生将会造成不可估量的损失,及早发现火情就能尽快进行扑灭,将损失降到最低。而火灾发生时一般会先产生烟雾,因此对烟雾进行检测能够更早的发现险情。随着科技的发展,视频烟雾检测技术应运而生,这是一种利用计算机视觉技术进行烟雾检测的手段,具有成本低、响应时间短、覆盖面积大的特点。现有的视频烟雾检测技术大多利用烟雾的一种或者多种特征进行综合判断,然而由于烟雾的特征极易受到周围环境以及燃烧物的影响,这些方法很容易出现误判和漏判的情况。近年来,深度学习技术快速发展,已深入各个领域。卷积神经网络是深度学习的重要分支,拥有强大的图像识别能力。深层次的卷积神经网络,可直接从大量的训练数据中学习图像底层到高层的特征,能更好的表达事物的本质。相较于其他烟雾识别方法,通过大量样本训练的卷积神经网络可以学习到不同场景下烟雾的复杂特征,能更精准的判别烟雾,所以,本文提出了一种基于卷积神经网络的视频烟雾检测方法。首先利用多种训练数据训练卷积神经网络使其能够识别包含烟雾在内的多种运动目标。之后对视频图像进行预处理,由于烟雾具有飘动的运动特性,通过运动目标检测可以去除视频中的静态干扰,滤除大部分的非烟雾区域,将视频图像预处理后提取的运动目标图像送入已经训练好的卷积神经网络进行识别,保留烟雾图像,并用红色框在视频中标记,完成烟雾检测。视频烟雾检测系统利用Python,TensorFlow,Opencv完成,检测过程利用GPU加速,适当调整视频分辨率后,能够满足实时检测的要求,且利用多线程,可同时进行四路视频检测。借助卷积神经网络强大的图像识别能力,与传统烟雾检测方法相比,检测精度进一步提升,误报漏报率大幅降低。