火灾对于人类的生命与财产安全具有十分严重的威胁,火灾的及时预警对于减少财产损失具有重要意义。一般而言,烟雾是火灾初期的最早出现方式,因此,利用烟雾进行检测可以有效避免火灾的发生或者迅速发现、控制火灾。传统的火灾烟雾探测通常使用诸如感光式,感烟式和感温式传感器,但是,这些传感器的缺点是只能检测特定类型的特征,并且在开放空间中它们的使用受到了很大的限制。而随着电子摄像头的普及,许多公共场所和建筑物中已经安装了大量的视频监控设备。基于视频监控的系统可以有效覆盖更大的区域,并且可以轻松地集成到现有的闭路监视系统中。利用视频进行烟雾探测已成为重要的研究方向。随着高清摄像机和高分辨率视频的普及,一些传统的视频烟雾检测方法已经不再适用。本文针对高分辨率视频的烟雾检测方法展开研究,主要研究工作如下:首先,本文研究了烟雾图像的特征提取和特征融合方法。烟雾具有轮廓不固定、半透明的特点,因此烟雾与其他物体在图像上主要是围绕局部特征展开的。在烟雾图像的空间域特征提取方面,针对局部二值模式与中心对称局部二值模式的不足,本文提出了基于梯度补偿的中心对称局部二值模式;在频域特征提取方面,针对局部相位量化算法的不足,本文提出了基于VLAD的局部相位量化算法。提取出图像的特征后需要进行特征融合,本文在传统的串联型融合基础上提出了基于三分法的特征融合算法。然后,本文研究了疑似烟雾区域的提取方法。对常用运动区域提取方法进行了研究与比较,针对ViBe算法的“鬼影”现象,提出了改进的ViBe算法作为疑似烟雾区域的提取方法。最后,基于以上研究,本文提出了一种基于空间域与频域融合特征的高分辨率视频烟雾检测框架,框架分为离线训练阶段和视频检测阶段,分别对两阶段的步骤进行了阐释,并对视频烟雾检测系统进行了软件设计与实现。实验表明,本文提出的框架及算法在视频烟雾的检测中有较强的鲁棒性,可以很好地识别视频中的烟雾。