烟雾检测的一个重要应用就是用于火灾预警,因为火灾发生的前期往往伴随着烟雾的产生。而传统的火灾检测方法主要根据光电传感器件或粒子传感器监测火灾发生过程中产生的副产品或一些其他的环境变量,比如温度的监测,火焰颜色的监测,烟雾颗粒浓度的监测,环境湿度的监测等。但是传统火灾探测器一般是基于单一数据判别的检测方法,仅适用于室内低小空间,距离近,干扰少的情况,有很大的局限性。而基于视频图像处理的烟雾检测技术可以很好的克服这些问题,它是基于计算机图像处理技术、模式识别技术和机器学习技术的发展而来的,它的诸多优点包括：检测范围广和检测信息量直观丰富,对视频图像信息的反应速度快,同时远离火源并满足对广阔空间火灾探测的要求。基于视频图像处理的烟雾检测技术在火灾监测领域里表现出来的优势,使得这种烟雾检测方法正发挥着越来越重要的作用。本文主要研究基于视频图像特征提取的烟雾检测算法,涉及的研究内容包括视频中烟雾的运动检测和烟雾区域的提取,视频图像中烟雾特征的提取,以及基于随机森林(Random Forest,RF)算法和支持向量机(Support Vector Machine,SVM)的分类器选择和烟雾块识别。通过提取烟雾的静态特征和动态特征,利用烟雾区域凸形度和增长率分析以及基于随机森林的特征分析,本文提出了两种基于视频图像处理的烟雾检测方法：(1)根据烟雾运动的扩散性以及烟雾图片中烟雾的半透明性,首先提出了一种基于小波能量及烟雾增长率的烟雾检测方法。该方法主要分三步完成：首先,利用视频图像中烟雾的运动扩散性,采用背景估计法提取疑似烟雾区域；其次,根据烟雾的半透明性,视频烟雾图片在小波变换域里的高频能量相对于无烟背景图片,会因纹理和边缘信息的丢失而减少,将视频中背景帧和当前帧进行分块,分别求出背景帧和当前帧各块的小波高频能量,相互比较后进一步判断烟雾区域；最后,根据烟雾运动的不规则性和扩散性,对烟雾区域进行凸形度分析和增长率分析,并最终由此确定烟雾区域,得到烟雾检测的结果。实验结果表明,该方法复杂度低,能快速有效的进行视频烟雾检测,实现火灾的提前预警。(2)通过将视频中烟雾的检测问题转化为视频中烟雾的模式识别问题,利用随机森林的分类回归模型,提出了一种基于随机森林特征选择的视频烟雾检测方法。该方法的主要步骤如下：首先,确定四种表征烟雾的主要特征：RGB颜色特征,小波变换高频子图,多尺度局部最大饱和度,多尺度暗通道；其次,为得到视频中的烟雾区域,将视频图片进行分块,并根据烟雾图像信息模型利用离线视频无烟背景图片块合成烟雾图片块,然后用随机森林方法结合提取的特征训练烟雾块样本和非烟雾块样本,得到特征选择的结果；再利用支持向量机结合随机森林选择的特征得到分类烟雾块和非烟雾块的分类器,将分类器检测的烟雾块组合得到烟雾区域；最后分析视频烟雾区域的凸形度和增长率,得到烟雾检测的结果。实验结果表明,该方法能够及时的预警烟雾同时降低火灾预警的误报率；提出的算法将烟雾检测问题转化为图像中烟雾块和非烟雾块的二分类问题,能够在不依赖于实验阈值设定的情况下得到烟雾区域；利用随机森林的特征选择,能够自动的进行烟雾特征的分析；另外,基于构造烟雾图片获取训练样本的方法,不仅得到了正确的分类器,还降低了算法的复杂度。