基于视频的烟雾识别技术是传统森林火灾检测系统中的一个重大突破,本文通过对国内外烟雾检测算法的现状进行分析,设计了一种结合运动目标检测、检测区域特征提取和利用分类器进行烟雾与非烟雾识别的林火烟雾检测算法。首先为了防止光照突变和树枝扰动等的干扰,以背景差分法为基础,在中值滤波和混合高斯模型两个模型上分别进行介绍。方法一是对中值滤波进行改进提取背景模型,利用运动累积判别得差分图像提取运动区域;方法二是将双边滤波与混合高斯模型相结合分割运动区域,再将提取结果进行连通域处理,进一步排除干扰物的干扰。其次对检测出的运动区域进行特征提取,为了适应森林火灾复杂的背景条件和天气环境等因素的影响,本文采用一种多特征融合算法,依次提取纹理特征、质心距特征和HOG特征,组成一个大的特征矩阵待输入分类器使用。其中的HOG灰度直方图特征是图像处理领域最新提出的一种算法,因为此特征的几何不变性和对局部对比度变化不敏感的特性,能对外观和形状特征进行表征,所以本文将其引入烟雾检测系统,并经实验证明此特征对烟雾特征提取是可操作的并有很好的效果。最后对现有分类器进行介绍,详细介绍了支持向量机和最小二乘支持向量机,对最小二乘支持向量机的核函数进行优化,并通过实验验证了最小二乘支持向量机比支持向量机性能更优。实验结果表明本文算法具有较好的识别效果,提高了检测的准确率。