随着社会经济的迅速发展,人民的生活水平越来越高,各种场所诸如商场、体育馆、办公楼、仓库、医院等等的防火安全也变得越来越重要。近年来我国火灾事故频发,造成了很大的损失。通常情况下,火灾发生的初期都会先出现烟雾,如果可以及早的将烟雾检测出来,就可以成功的进行火灾预警,从而保护人们的生命财产安全。传统的基于传感器的烟雾检测方法,例如烟感、温感等方法是根据火灾发生期间的烟雾颗粒浓度、温度等实现烟雾检测,通常需要烟雾颗粒的浓度,室内环境的温度达到一定的程度才会进行报警,这样很可能无法及时的进行火灾预警,从而错过最佳的抢救时机。近年来,越来越多的研究人员开始进行视频图像的烟雾检测研究,因为视频图像的烟雾检测只要在视频中可以看到烟雾就可以实现检测,不需要像传统的传感器那样需要等到烟雾颗粒浓度或者温度达到一定程度。为了提高视频烟雾检测的性能,并避免传统火灾烟雾检测技术存在的不足,在对烟雾的特性进行研究的基础上,本文提出了一整套完整的烟雾检测算法,包括了前景提取和烟雾检测两部分。首先,针对现有的一些前景提取算法无法准确地提取烟雾区域的问题,本文提出了一种新型的时空背景建模方法来从视频中提取出完整的烟雾前景区域。本文着重改进创新提出了三种高分辨力的纹理特征,之后本文针对提取到的前景区域,进行烟雾纹理等特征的提取,并利用预训练的支持向量机进行分类,最终对前景区域是否存在烟雾进行判断,实现烟雾的检测。本文分别在图像和视频数据集上进行测试并验证了算法的性能。在图像数据集下进行实验并统计,可以得到本文算法的平均误报率、检出率及错误率分别为0.145、0.978及0.162。本文算法也在视频数据集上进行了实验,测试结果表明该算法可以较好地适应复杂环境,具有较高的检测准确率,与现有烟雾检测算法相比检测率提高了2%~4%。