近年来，视频火灾烟雾检测是火灾监控领域的热门研究方向。国内外许多研究人员对这个方向做了深入研究，提出了各种有效方法。但是，这些方法大部分是针对火灾烟雾引起的图像模糊、烟雾扩散等特征提出来的，不能体现烟雾的本质特性，容易造成误判。本文对代表火灾烟雾本质特征的烟雾浓度进行分析，提出了一种基于烟雾浓度的视频火灾检测方法，提高了火灾检测的准确性和抗干扰能力。本文深入研究了烟雾颗粒引起的光线散射和吸收效应，构建光学模型，分析了光线散射对视频图像的增强作用和光线被吸收对视频图像的衰减作用，推导出背景图像、当前视频帧、环境参数和烟雾浓度之间的关系，提出视频检测烟雾浓度的方法。然后，在不同的光照和背景条件之下，比较了视频图像计算得到的烟雾浓度与烟密计测量值的区别，验证了视频检测烟雾浓度方法的正确性。本文将视频检测烟雾浓度的方法应用于火灾烟雾检测。为了获取背景并减小处理区域，本文采用基于OTSU(最大类间方差)阈值分割的背景差分帧间差分结合法获得运动目标并实现背景更新。然后，对提取出的运动目标二值图像进行中值滤波和形态学滤波，滤除图像中的孤立噪声点，填充运动区域的间隙。接着，为了提高火灾烟雾检测的精度，本文提出根据圆形度和结构相似度方法滤除干扰区域，提取可疑烟雾区域，为烟雾浓度的分析提供有效输入。最后，计算可疑烟雾区域的烟雾浓度，统计烟雾浓度在时间轴上的变化，根据烟雾浓度变化率阈值和烟雾浓度阈值滤除干扰物，检测烟雾，实现火灾报警功能。本文在PC平台上针对不同的环境条件下进行了火灾烟雾测试，验证了基于烟雾浓度来检测火灾的实用性。通过分析实验数据，归纳并提出算法的改进意见。