传统的传感器烟雾探测系统监测范围小,且传感器极易老化中毒导致灵敏度降低,视频烟雾探测技术由于其自身的响应时间短、灵敏度高、覆盖面积大等优点,受到越来越多的亲睐。然而现有的一些视频烟雾探测技术误报率还比较高,本文梳理了现有的一些烟雾探测算法,研究了一个基于随机森林算法视频烟雾探测系统。坚实的理论推导以及大量应用在模式识别的经验表明随机森林有着高准确率、方便快捷、分析数据重要性等众多优点。将随机森林应用到视频烟雾探测领域,为后者带来了新的挑战和动力。本文首先分析了随机森林及其相关算法,总结出一种基于随机森林的特征选择算法。通过实验将随机森林和其他分类器做了较全面的性能比较。为加快检测速度,本文将视频帧分成大小相等不重叠的块,通过运动分析定位每个运动块,引用Chen等人提出的烟雾颜色分析算法,得出疑似烟雾运动块,之后引用袁非牛等人提出的主运动方向分析算法,排除非上升运动干扰物。介绍了HEP纹理框架中的九种描述子,使用了一种四分类解决二分类的方法,并使用这种方法验证了纹理特征在烟雾探测中的性能。为了进一步分析烟雾视频的动态特性,本文引入了基于块的帧间差分析,通过实验验证了颜色矩可以更好的表征BIFD特征；对动态纹理特征分析引入了目前公认的性能较好的LBP-TOP以及EOH-TOP特征,并提出一种改进的BGC3-TOP特征,经过实验对比识别率、特征提取时间以及特征维数,最终选择EOH-TOP描述烟雾的动态纹理特征。最后本文实现了烟雾视频探测演示系统,在一些公共视频库上与现有性能优异的算法的对比实验表明,本文提出的方法在漏检率和误检率相对于Toreyin和Ham等人的算法都有了一定的降低,且系统的算法时间开销基本达到实时性要求。