室外空间的早期烟雾检测涉及到安全问题，并已经被应用于不同场所的视频监控系统中，例如在建筑物附近，桥梁或者船舶上，隧道中等等。即使大火中的火焰难以观测，但是大火所产生的烟雾却能够很容易被摄像机观察到，据此在火势扩大之前进行火灾的早期检测是重要的也是可能的。进而，对于野火，特别是森林火灾，由于着火源在早期很容易被森林中的树木、石头、灌木、野草等掩盖，所以只有烟雾检测能够适合于火灾的早期检测。在本文中，我们提出了一种与烟雾相关的物理化学自然特性的纹理特征CEA（Color and Edge Analysis）检测方法,在此基础之上,我们提出了一种新的结合数学模拟和动态检测的STC/DPT视频烟雾检测方法。本方法基于运动区域的时空聚类（STC）和动态模式（DPTs）的分析，运用烟雾传播的动态数学模型来进行远距离视频的室外火灾的自动监测。在时空聚类中，我们首先对于每个视频帧进行感兴趣区域（ROI）的空间分离，然后建立相邻帧的ROI之间时间上的对应。动态模式在开放的空间用上面提出的烟雾传播数学模型进行估计并且能够精确地预测出烟雾区域的特征。基于本文方法（STC/DPT）开发成的视觉烟雾检测系统，在一系列的视频序列中达到了更好的实验效果：在速度方面，仅比简单的基于颜色的方法慢1.098倍；在区域标注的准确性方面，平均有80.9%的系统标注区域能够匹配上人工标注的区域；在误报率方法，本文方法达到了稳定的低误报率（大约4.62%）。