随着社会经济的高速发展,大空间内火灾频繁发生,给人类生命安全及财产造成了极大的威胁,但传统火灾探测器存在受空间高度、粉尘等影响因素,并不能够发挥有效作用。但随着计算机视觉、图像处理、模式识别等学科的发展,视频火灾检测技术成为早期火灾监测的一个重要研究方向,火灾发生时,烟雾早于火焰,因此烟雾探测对于火灾探测则更为重要。本文结合了烟雾的静态纹理特征和动态运动特征对监控视频进行探测与识别,实现在大空间环境下对火灾的早期预警。本文首先分析了一些常用的检测运动目标的算法的优劣,随后提出了将烟雾的颜色模型与背景减除法相结合的算法来提取视频图像中的疑似烟雾区域;其次是提取烟雾的静态纹理特征,此过程中,提出了基于高斯金字塔的局部二值模式和局部二值模式的方差表示的方法来描述烟雾的纹理信息,得到烟雾得局部和全局纹理特征,经过实验验证该算法能够很好地表征出烟雾的纹理特征;然后利用图像分块处理技术与Lucas-Kanada光流法的优势,综合图像分块技术与改进Lucas-Kanada光流法的算法用来提取烟雾的运动特征,此方法不仅准确性高,而且降低了算法的复杂度与运算时间;最后将提取的多个特征输入SVM中作为火灾烟雾的识别判据,若是得到的特征满足烟雾的判别标准,则发出预警信号,否则不进行处理,通过与其他算法进行对比后,根据实验结果本文算法提高了视频烟雾检测的准确率。通过大量的视频实验证明,本文烟雾视频图像识别算法稳定可靠,误报与漏报率底,检测率较高,达到了预期效果,而且能够满足在大空间监控环境内对火灾探测的实时性、准确性的要求。