煤矿火灾是影响矿井安全生产的重大灾害之一,严重威胁到人类的健康。基于视频图像的自动火灾探测技术已成为当前监测和火灾预警的重要手段,对煤矿工作的安全生产意义重大,但井下环境潮湿多尘,并且人工巡逻产生的光束与火灾早期阶段产生的烟雾特征极度相似,易造成计算机误判。本文针对煤矿井下的复杂环境,研究烟雾检测方法,进而判断矿井火灾。针对井下巷道雾气会使采集到的图像模糊不清,井下光照强度低且不均匀的情况,本文对暗原色去雾增强算法进行了改进,先滤除巷道中的雾气,再使用CLAHEE算法对图像进行亮度增强,恢复巷道原貌,使视频监控中的煤矿图像对比度增加,烟雾轮廓清晰,细节信息更为丰富。对运动目标检测为法进行研究,采用基于混合高斯模型建模的方法提取视频频序列中的运动目标,将烟雾连同其他运动目标一并提取出来。然后对提取的运动区域进行颜色分析,统计煤矿井下烟雾图像的颜色规律,建立井下烟雾颜色的判决条件,进一步排除不具有烟雾颜色特征的运动物体,由此分割出疑烟区域。对烟雾的多种特征进行分析,进一步提高烟雾检测的准确率。本文先使用主运动方向阈值滤除与烟雾运动方向不一致的运动光束,然后使用烟雾的纹理特征,形状不规则特性和平均梯度三个特征,训练生成SVM烟雾分类器,用于排除伪烟物的干扰。通过对大量烟雾和伪烟雾干扰视频进行检测分析,表明本文的算法能够有效滤除井下图像的雾气,还原巷道面貌,并能够及时、有效地检测出视频图像中的烟雾,且具有一定的抗干扰能力。