火灾是自然界中常见的严重灾害，其特点是破坏性大、处置救助困难，严重的火灾会引起经济和环境方面的损失，甚至会引起人员的伤亡。和其它自然灾害相比，火灾所带来的危害是可以降低甚至是避免的，因此如何在火灾早期对火灾进行检测和识别具有重要的现实意义。　　传统的森林火灾图像检测已经实现基于红外探测器下对于火焰的检测与定位功能，在基于红外图像序列的火灾检测中，由于火焰与背景温差较大，因此能够快速、准确的将火焰检测并实现定位的功能。然而与火焰相比，烟雾具有散热快、与背景的温度差较小等特点，因此红外探测器不能实现对烟雾的检测功能;而可见光图像序列中获取的自然界环境下的烟雾由于受到环境中的干扰物等噪声的影响，使得检测结果准确率较低，所以基于可见光图像特征的烟雾检测有很多值得改进的地方。　　本文研究基于可见光图像序列的烟雾检测方法，涉及的内容包括静态场景下基于烟雾的运动特征和半透明特性的烟雾检测;动态场景中，针对森林、草场等广域空间，实现在搜索状态下的森林烟雾检测的目标，该算法包括图像配准、目标获取、形态学滤波、形心标记和轨迹关联等部分。本文提出了两种烟雾检测方法，分别对应于不同情况下的视频图像处理:　　(1)在静态场景的状态下，根据烟雾的半透明的特性以及运动的特性，本文第一步使用ViBe运动目标检测算法对图像序列进行运动目标的检测，由于视频中光照变化的干扰，本文很难直接通过对原始图像序列的处理来获取理想的运动检测结果。根据大气散射模型可知，透射函数只与景深有关，而目标的运动可看成是背景到相机传感器之间透过率的变化，所以可以通过对透射函数进行ViBe运动目标检测，从而获取运动目标;其中透射函数通过暗通道的先验信息和双边滤波来获取。第二步，本文利用烟雾的半透明特性对来区分烟雾与其他运动目标，由梯度重建算法对疑似烟雾遮挡区域的背景进行复原。根据与原始的背景目标进行对比，如果相似度高则认为该运动目标是烟雾。　　(2)森林等广域空间中搜索状态下的烟雾检测。烟雾检测可分为:对输入图像的预处理、图像序列中的运动区域提取和烟雾特征的识别三大部分。图像序列处理的过程中，首先对获取相邻帧的图像序列进行配准处理，获取公共区域;接着利用帧差法获取运动目标，通过腐蚀膨胀等形态学滤波，获取完整的目标边缘;然后是轨迹关联和区域剃伪，利用烟雾的连续运动和运动慢的特性将目标和其他噪声和目标进行区分。