“烟为火始”，为实现更加灵敏、可靠的火灾检测，对于火灾发生初期烟雾的检测则显得非常有必要。本文提出了一种新型、有效的基于视频的早期火灾烟雾及其发生源的检测技术，实验证明该技术应用于火灾检测之中，可以非常灵敏的检测到整个被监测区域空间的烟雾和火灾发生源，能够弥补目前国内火灾检测方式的缺陷和不足。 在论文工作的开展过程中，主要做了如下几个方面的工作： 首先，介绍了国内外关于烟雾检测技术方面的研究和一些典型应用，并对传统的烟雾检测方法的优、缺点进行了综述，分析了烟雾检测领域目前研究的现状和未来可能的研究发展方向，为今后进一步深入研究提供了思路与线索。 其次，对烟雾图像进行预处理。详细的研究了烟雾图像的增强处理、噪声滤波、最大熵阈值分割、区域生长和Otsu阈值分割等算法，以及这些算法在烟雾图像处理中的应用。介绍了烟雾图像的背景更新，对烟雾图像进行背景更新，提出了具体的更新算法和更新步骤。通过该更新算法，我们对烟雾图像的背景进行了成功的更新，获得完好的效果。 然后，引入了小波的概念，以及小波的多分辨率分析和mallat算法。烟雾图像经过小波变换处理之后，分别得到高频图像的小波系数和低频图像的小波系数，其纹理特征变得非常明显，因此我们可以在分解图像的高频部分提取原目标图像的纹理背景特征，在低频部分提取目标，这为后续烟雾的进一步识别提供了基础。 接着，介绍了早期火灾烟雾的检测。通过对烟雾的特性分析(烟雾的生成、分布、和浓度)，光学特征分析和动态分析(瞬时动态数据分析和累积动态数据分析)，确定了被监测场景中存在烟雾的可疑区域，然后再根据具体的烟雾检测算法最终确定烟雾。检测算法分为三步：通过对烟雾图像进行时域小波分析，监测图像序列的灰度值通过一个二阶的滤波器后，子信号的频率值的变化，观察其峰值的个数；对烟雾图像进行空域小波分析，监测视频序列经过小波变换后，其子图像的能量值是否减少；对烟雾图像的颜色分析，观察可疑区域是否是透明的，RGB矢量是否具有方向性等。 最后，介绍了火灾发生源的检测，针对火灾的物理现象所表现出来的图像信息来对火灾发生源进行检测。通过对早期火灾的面积增长判据，边缘变化分析、形体变换分析、火焰的闪烁规律、火焰的整体移动以及火焰区域的颜色分析，从而确定火灾的发生源。早期火灾的火焰面积是连续增大的，其边缘也是不停地抖动，产生很多尖角，相邻帧图像的边缘是不稳定的，但相邻帧图像整体具有稳定的相似性。另外，火焰的形状虽然是各种各样的，但在火灾发生的早期阶段，火焰的颜色变化范围却是由红到黄的。并且在火焰区域，它的颜色分量满足：R>G>B，这样一个非常重要的特征。其中R分量是一个非常重要的颜色分量，在火灾图像中，R占主要的颜色分量。因此我们把R分量设为阈值，可以最终确定火灾的发生源。本文实验分为白天和晚上，分别对校园、野外、公园、仓库等户外大空间的火灾烟雾及其发生源进行了检测。实验结果证明该方法不受空间高度、热障、易爆、有毒等环境的限制，并且有灵敏度高、抗干扰力强、适用范围广等特点。