研究开发基于视频图像的嵌入式分析设备对林区火灾的早期预报、减少森林资源损失具有重要意义。以DSP为核心的嵌入式系统具有体积小、功能完备的优点,同时结合机器视觉领域的图像处理技术,使其成为基于视频图像的森林火灾监控系统的可行方案。本文在浙江省重大科技专项——基于太阳能的森林火灾监测技术与系统研制项目的支持下,在TI公司的DSP芯片TMS320DM642的基础上设计和开发了林火烟雾检测系统,以DM642为核心搭建系统硬件平台,基于实时可裁剪的DSP/BIOS内核设计了RF5系统软件框架,完成了系统多线程、多任务的实时调度。烟雾是林区火灾发生早期的显著特征,对烟雾的及时检测是提高火灾预警能力的一个有效途径。根据开放环境下火灾烟雾检测的应用需求,提出了一种基于多特征融合以及神经网络/支持向量机判定的在线烟雾检测算法。该算法首先提出了适应开放环境且抗光照影响较好的烟雾颜色模型,并与Kalman运动检测图像进行融合得到疑似烟雾区域;接着利用小波变换等方法对疑似区域提取烟雾的轮廓不规则性、面积扩散性、烟雾区域模糊性以及烟雾边缘的低频振荡性四个时空域特征,作为离线训练完成的BP神经网络/支持向量机SVM分类器的四个输入;最后根据分类器的输出来判定所监测的林区是否发生火情。本系统通过现场调试和实验表明,系统稳定可靠,有较高的实效性,系统设计和资源分配正确合理;本文烟雾检测算法能够实时进行视频烟雾检测,对开放环境较为鲁棒,能较好的满足开放环境下火灾烟雾的监测预警,基本达到了预期效果。