森林火灾作为最严重的自然灾害之一,给人类带来了严重的经济损失。传统的基于传感器的森林火灾检测技术,检测效果不甚理想,存在大量的误检漏检现象。为此,相关研究人员开展了基于计算机视觉的森林火灾检测技术研究,其中利用森林火灾产生的烟雾来进行火灾检测和报警成为了关注的热点。因此,本文针对基于视频分析的森林火灾烟雾探测技术展开深入研究,主要的研究工作如下:首先,研究改进了基于背景建模的运动目标检测方法。在传统的基于混合高斯背景模型的基础上,加入了基于LBP纹理的背景模型,利用D-S证据理论将基于混合高斯模型和基于LBP纹理模型的检测结果进行了融合,显著提高了运动目标检测的精度和鲁棒性。另外,为了提高运行速度,本文提出基于图像块进行背景建模的方法,相较于传统的基于图像像素的背景建模运行速度有了明显的改善。其次,分析和提取了烟雾在图像中的特征。分别考虑了烟雾的静态特征和动态特征,其中静态特征包括颜色特征、纹理特征和高频能量,动态特征包括面积变化、运动方向和运动累积量。对所设计的烟雾特征进行了实验分析,结果表明依靠单个特征很难实现烟雾与非烟雾的准确区分,而通过多个特征进行组合可以有效地描述烟雾。再次,设计了基于支持向量机的烟雾识别分类器,并对影响分类器识别精度的多个因素,包括特征值归一化的方式、不同的核函数、不同参数和不同的特征组合,进行了分析和比较。在实验结果的基础上对分类器进行了优化,获得了识别效果最优的烟雾分类器。最后,综合本文设计的运动目标检测算法、烟雾图像特征以及基于支持向量机的烟雾分类器,设计了一个完整的森林火灾烟雾检测系统,并对系统进行了性能测试,测试结果表明系统可以快速、准确地识别出烟雾。