由于传统的基于传感器的火灾探测系统在一些大型室内空间或通风场所会容易失效，研究一种基于计算机视觉和视频图像处理的新型火灾探测方法具有重要意义。利用视频监测场景中的火灾发生情况具有不受距离空间环境限制和响应速度快的优点，而且探测直观主动，保护面积大。火灾发生初期通常会先产生大量烟雾，通过分析处理视频序列来检测场景中是否含火灾烟雾是本文的主要研究工作。首先研究了三种常用的运动目标检测方法，对比并分析了各自的适用场合和优缺点，确定了适合于本文烟雾检测的基于混合高斯模型的背景建模和前景提取方法，将烟雾连同其他运动目标一并提取出来。接着对提取出的区域进行颜色分析，经过大量的观察和试验统计总结出了烟雾图像的颜色规律，即火灾烟雾一般为白色、青色、灰色和黑色，它们的R、G、B三个分量值基本上相等，刚好分布在RGB颜色立方体的对角线上，亮度也是在一定的范围内，并以此设计了本文的烟雾颜色判决条件，对运动检测得出的区域进行颜色分析可以进一步排除不具有烟雾颜色特征的运动物体，将运动检测和颜色分析后的区域进行形态学处理和连通性分析，由此得到视频中的疑烟区域。然后在疑烟区域内寻找烟雾的三个动态特征，进一步提高烟雾检测的准确性。烟雾除了在颜色上有别于其他运动物体，它还有自身特有的一些动态特征，本文主要提取了烟雾扩散时的面积增长特征、烟雾区域的轮廓不规则特征和烟雾使背景变模糊这三个动态特征。并将这三个动态特征利用一个BP神经网络进行融合判定，本文设计的神经网络是一个具有7个隐含层节点、3个输入、1个输出判定的三层网络，经训练和大量测试发现能够很好的对烟雾进行识别。最后，为了验证本文算法的有效性，对大量不同场景下的含烟雾视频和非含烟视频以及烟雾和干扰物并存的视频进行了测试，测试结果表明本文的视频烟雾检测算法能够准确、实时、有效的检测视频中的烟雾，且具有一定的抗干扰能力。