火灾已成为当今社会威胁人类生命财产安全的主要危险源,但是普通传统的火灾检测装置在高大宽阔的空间里的效果欠佳。因此在火灾发生的早期进行快速有效的预警显得尤为必要。由于火灾发生早期通常会出现阴燃现象从而产生大量的烟雾,因此利用图像、视频进行分析,从而使得火灾前期预警成为可能,尤其是随着人工智能技术,特别是计算机视觉技术的发展,这一方法已受到越来越多的关注与研究。有别于其他刚性目标的检测识别,烟雾属于非刚性的柔体渐变目标,因此基于视频的烟雾识别方法在理论和算法上还存在很多需要解决的问题。主要问题集中在疑似烟雾区域分割不完整和缺乏区分烟雾与相似干扰物体的有效特征描述。因此针对这一问题,本文开展了如下具体的研究工作:1)提出了Lab颜色空间混合高斯模型疑似烟雾区域分割方法。在Lab颜色空间中,烟雾像素点分布集中,根据烟雾像素点的分布情况构建了L、a、b颜色三通道的混合高斯模型。基于混合高斯模型对视频帧中16?16图像块进行疑似烟雾像素点的筛选,将疑似烟雾像素点数量占比大于等于12.5%的图像块设为疑似烟雾图像块从而分割出疑似烟雾区域。与两种常见的颜色分割方法的对比实验结果表明本文方法具有更好的分割效果。2)提出了基于互信息的时空域烟雾特征描述方法。在空域上计算视频帧中16?16图像块的前景灰度图像与背景灰度图像的互信息与归一化互信息,并用来描述图像之间的相似程度,从而区别烟雾的半透明性与干扰物体的不透明性。另外在时域,计算前景灰度16?16图像块与背景灰度16?16图像块的互信息与归一化互信息的1维小波变换,并用来区别烟雾缓慢遮盖背景的动态过程与干扰物体迅速移动的动态过程。经过最终对于互信息的时空域烟雾特征描述方法算法效果测试并且与另外两种典型的特征提取算法相对比,结果表明,本文提出的烟雾特征描述方法能够有效地将视频中烟雾与干扰物体区分。