森林火灾是森林资源面临的最严重威胁,其发生对人类的生产生活和大自然的生态环境都将造成极大破坏。因此,森林火灾的早期预警对于人类和大自然都有着重大意义。随着视频监控技术的发展,基于视频图像的林火探测技术受到广泛关注。相较于传统的森林防火技术,该技术具有响应快、准确率高及智能化等优点,非常适合森林等大范围场所的火灾预警和监控。由于早期森林火灾难以直接观测到明火,而多伴随森林枯枝败叶等阴燃物体产生大量烟雾。因此,林火视频图像烟雾识别是探测早期森林火灾的关键。本文针对这一特点设计了基于多路视频图像的林火烟雾识别软件,旨在促进森林火灾监测技术向高效和智能化方向发展,主要研究内容如下:（1）提出了一种基于PoolNet显著性检测和SURF-ViBe运动检测模型的林火视频图像烟雾识别算法。首先,对视频图像进行中值滤波、色彩处理和去噪等预处理;然后采用基于PoolNet显著性检测和SURF-ViBe运动模型的深度学习方法提取视频图像中的疑似烟雾区域;接着提取疑似烟雾区域的绝对面积增长、扩散等烟雾动态特征和颜色、背景模糊和纹理等烟雾静态特征;最后使用SVM支持向量机对所提取到的烟雾特征进行模型训练,达到烟雾的分类和识别效果。实验与测试结果表明,本文算法烟雾识别准确率在90%以上,相较于传统的烟雾识别算法在识别率和实时性上均有提升。（2）设计并实现了基于多路视频图像的林火烟雾识别软件。首先对软件总体框架进行了设计,分析了软件功能、算法和性能需求,然后在烟雾识别算法研究的基础上,采用模块化编程思想,对林火视频图像烟雾识别软件进行了详细设计,实现了设备登录与管理、多路视频数据采集、多路视频图像烟雾识别、多路设备联动、监控和自动巡航、设备手动控制和火警信息数据库保存等模块功能。采用基于CUDA的GPU并行加速技术可有效地解决多路视频数据同时处理所带来的数据量大和实时性低等问题。利用多路设备联动功能,可有效扩大监控范围,提高烟雾识别准确率,同时便于指挥人员远程了解火情,制定救火方案及指挥救火。最后通过实际测试验证了软件的各项功能,达到了既定的要求。