目前,大部分火灾探测的算法研究主要以火焰识别为主,很少涉及烟雾的探测；事实上,火灾中最早可能出现的将会是烟雾,因此烟雾的识别对于火灾的早期探测至关重要。本文通过分析视频图像中早期火灾烟雾的特征,提出了一种基于烟雾的颜色特征、背景模糊性、轮廓的不规则性、运动累积和基于光流的主运动方向等多特征的火灾烟雾检测算法。论文的主要研究内容有以下几方面：(1)本文首先利用运动目标分割中最常用的背景减除法、帧间差分法和基于光流的分割方法对多个含有烟雾的视频进行烟雾图像的分割,通过对比分析三种方法的实验效果,本文选择用背景减除法来实现运动目标的分割,并利用混合高斯模型实现背景图像的更新；然后综合利用烟雾像素在HSI空间中I分量的分布特征及其存RGB空间中R、G、B三分量值近似相等的特性来提取运动目标中的烟雾,得到运动烟雾区域,完成火灾烟雾检测的初步判断。(2)利用二维离散小波变换计算得出的烟雾区域高频能量特征值来分析烟雾区域的背景模糊性,并通过计算烟雾区域面积与其最小外接矩形面积的比值来分析烟雾轮廓的不规则性,然后通过累加提取的运动前景二值图来分析烟雾的运动累积特性,最后通过计算烟雾区域中各点的光流来分析烟雾的主运动方向特征；并确定了各特征合适的阈值范围。(3)给出了本文火灾烟雾检测算法中的综合判据,然后通过相关系数的计算确定了各特征值在综合判据中的权重,并利用本文提出的火灾烟雾检测算法对多个实验视频进行了烟雾检测的实验测试。同时,本文也实现了利用BP神经网络对视频图像中火灾烟雾的检测,并对实验结果进行了对比分析。实验结果表明本文提出的基于多特征火灾烟雾检测方法能够有效地对视频图像中的烟雾进行检测与报警。