随着社会和经济发展,煤炭在经济生产领域发挥着重要作用。煤炭长期堆积容易发生自燃,不仅会对煤炭的经济价值造成损失,还会造成重大的安全事故。针对此类问题,提出了基于监控视频的烟雾检测算法。通过对港口堆场的摄像头采集现场信息,对煤堆自燃产生的烟雾进行检测报警。本文设计了两种烟雾检测算法。从以下几方面对所设计的算法展开了研究工作。(1)设计了一种基于时空特征与深度学习的烟雾检测算法。针对烟雾检测问题,从两个方面做出了改进。一方面采用了基于时空特征提取关键区域的算法,对输入视频提取运动目标区域的面元图像并进行筛选,然后将单帧图像筛选出烟雾面元图像结合序列段信息统计的方法,利用视频的时空特征提取出关键面元图像,实验结果表明改进算法在速度上得到了较大的提升;另一方面基于AlexNet深度分类网络的网络层进行改进,在网络结构中引入SVM分类层替换原有的Softmax分类层,实验结果表明改进算法具有比较高的准确率。(2)深度学习算法模块代替了特征提取与分类学习的步骤,可以取得较高的准确率。但是此方法依旧是传统的烟雾检测框架。因此设计了一种基于Vi Be提取运动区域的YOLO v3烟雾检测框架。针对烟雾的运动特征采用Vi Be算法能有效框定动态目标感兴趣区域,提取出烟雾前景,在此基础上利用YOLO v3训练烟雾数据集,最终检测出烟雾区域。实验验证了该算法满足对煤堆烟雾的有效检测。最后针对视频烟雾检测算法在实际中的应用,设计了一种烟雾视频统计测试的方法,对测试视频计算精确率和召回率,为了客观评价本文算法,与主流烟雾检测算法进行对比分析。实验结果验证了本文算法的有效性。