火灾对人们日常生产及生活造成了严重的危害。烟为火始,快速、准确检测出火灾早期烟雾并预警,是减少火灾危害的重要手段。针对目前火灾烟雾检测算法存在小目标识别准确率较低、复杂场景适应性差等问题。本文采用基于Faster RCNN的目标检测模型,对早期火灾烟雾检测方法进行研究。本文的主要研究内容如下:给出一种基于可变形卷积的特征提取网络模型。针对卷积神经网络中标准卷积固定的几何结构无法自适应烟雾目标形变的问题,采用可变形卷积代替标准卷积,其思想是在模型中加入额外偏移量,以增强卷积神经网络本身的模型转换能力和建模能力。针对偏移量的偏移范围可能超出目标区域的问题,通过在模型中加入调制函数,对偏移范围进行调制,使采样区域尽可能的集中在前景烟雾目标区域,增强模型对烟雾目标的特征提取能力。给出一种基于特征金字塔网络的特征融合网络模型。随着特征提取网络的深度不断加深,浅层特征图包含的细节信息比较丰富、分辨率比较高,深层特征图包含语义信息比较丰富、分辨率比较低。针对小尺度烟雾目标信息易丢失问题,采用特征金字塔网络,融合多层特征图信息,使模型能够学习到更丰富的烟雾信息,提升目标的检测率。给出一种基于改进Faster RCNN的火灾烟雾检测模型。通过以上两种模型结合,提高烟雾目标的检测率。针对NMS算法不一定能够较完整的框出烟雾目标区域的问题,提出一种候选框筛选调整算法,在删除冗余候选框的时候调整剩余候选框的位置,使最终的候选框可以较完整的框出烟雾目标区域。最终实验表明,本文模型有较好的检测效果。