火灾预警能够及时快速地检测到火灾的发生，从而有效的降低在火灾发生时给人民生命财产安全带来的损失。相对于传统的火灾预警方法而言，基于视频的火灾检测方法具有覆盖范围广以及对于环境适应条件强的特点。而当前的一些视频检测方法，无论是利用烟雾的色彩、尺寸、纹理、飘动和频率等单一特征，或者是利用多种特征进行综合检测的方法，例如支持向量机等方法，在火灾预警方面依然很难达到快速、精确和适应性强的要求。本文中我们摒弃传统的思想，将深度学习应用到我们要讨论的视频烟雾检测中。深度学习是一种新的基于多层神经网络的算法，它缓解了传统的深层模型难以实现的困境，从而引起了机器学习界的高度关注。本文利用视频烟雾检测自身特点，结合卷积神经网络，通过大量的训练实验，构建出符合要求的卷积神经网络模型，以达到对烟雾进行检测的目的。　　本文的主要研究工作包括：　　(1)总结、归纳当今视频烟雾检测的方法，对当今的各类视频烟雾检测方法进行研究对比，认真分析这些视频烟雾检测方法的优缺点以及存在的问题。其中详细介绍了具有代表性的一些烟雾检测方法，包括利用单一烟雾特征进行检测的基于运动累积量检测算法，以及利用纹理和边缘特征进行综合检测的算法。　　(2)讲述深度学习的由来以及发展的各个阶段，详细阐述深度学习到底是什么，它能够应用到哪些领域，对比深度学习与浅层学习的优缺点，总结深度学习常用的模型及方法，并详细介绍栈式自编码网络的训练过程。　　(3)详细介绍深度学习中能够很好的应用于图像识别领域的卷积神经网络，结合烟雾图像自身特点，构建适用于本文的烟雾识别神经网络模型。最终通过大量的实验得到实验结果并对其进行分析。