火灾是一种经常发生并且严重威胁着公众安全和社会发展的灾害。烟雾通常在火灾发生的初期先于火焰产生,所以对烟雾检测的研究具有重要意义。依据火灾发生时伴随的烟雾以及温度的变化来检测的烟雾探测器一般在烟雾浓度达到相应值时才可以报警,该方法不适用于大空间的烟雾探测且实时性不好。相比传统的火灾探测器,根据图像识别技术发现火情并采用目标跟踪定位技术定位到具体位置的探测方法更加实时可靠。因此,对烟雾图像识别和目标跟踪定位技术的研究具有重要的价值。本文提出了两种烟雾图像检测技术和一种多特征融合的目标跟踪定位技术,通过在公开数据库中进行了仿真实验。结果表明,本文所提的方法能够取得更好的效果。本文主要工作和创新点如下:第一,针对烟雾检测问题,提出了改进的多特征融合烟雾检测方法。因为烟雾形状、色彩、纹理千差万别,提取单一特征很难全面准确地描述烟雾的特点。所以本文提出了提取烟雾图像的HOG特征、LBP特征以及利用VGG16网络提取其深度特征,并将这三种特征串行融合,然后通过全连接神经网络分类算法实现烟雾检测。实验结果表明,该方法的检测效果有明显提高。第二,提出了基于改进背景模型的视频烟雾检测方法。传统的烟雾检测方法是利用烟雾的模糊性特征进行判别,由于背景提取效果不好,会影响火灾烟雾检测的准确性。本文方法首先根据同类物体灰度值变化不大的思想,然后按照视频图像灰度直方图信息划分不同统计模块进行提取块背景图像,再重新合并为整体的背景图像。然后通过二维小波变换的方法提取烟雾背景模糊特征,对比背景复合图像的能量值与出现烟雾时的复合图像能量值,并设定阈值来检测出烟雾的存在。仿真结果表明,本文改进方法的检测准确率更高。第三,针对目标跟踪定位问题,提出了多特征融合的粒子滤波跟踪定位方法。颜色直方图特征表示对目标对象进行整体描述,而HOG特征中包含了一定的结构信息,将两种特征互补能够更加全面地描述特征。针对基于单一特征的粒子滤波跟踪定位方法在复杂环境下会使得跟踪定位效果不好的问题,本文通过融合颜色直方图特征与HOG特征,形成一种新的融合特征,用于目标跟踪定位。实验结果表明,本文多特征融合的目标跟踪定位方法能达到很好的跟踪定位效果。