随着科学技术的不断发展,城镇现代化建设取得了长足的进步,为了打造健康、和谐、绿色、开放、共享的新型城市,越来越多的城市公园出现在人们视野中。这些城市公园不但改善了人们的生活质量促进了生态和谐,而且对防风治沙、美化环境、净化空气、降低噪音、涵养水土等有着突出的贡献。但是频频发生的园林火灾严重威胁着人民的生命财产安全,很大程度上阻碍了城市的发展,因此城市园林景区火灾的防治工作得到了越来越广泛的关注。针对以上问题,本文对原有的国内外视频火灾探测技术进行了比对和分析,并将神经网络技术与数字图像处理技术相结合,提出了基于视频图像处理的火灾烟雾检测方法,本文的主要研究内容包括以下几个方面：(1)结合烟雾的模糊特点和检测环境的易变特点,本文采用基于kalman滤波的背景减除法提取出疑似烟雾区域；并引进腐蚀和膨胀两大数学形态运算对图像中的细微噪声进行处理。(2)通过分析国内外视频烟雾特征提取技术,选出具有一定区分度的静态特征和动态特征作为输入特征。静态特征做了如下研究：针对颜色特征,本文通过分析青烟和灰烟在rgb空间模型下的特性,确定出烟雾的颜色决策条件,并将疑似烟雾区域用灰色像素表示,同时引入像素比表征颜色特征；针对纹理特征,本文采用灰度共生矩法提取图像的纹理特征,并选择具有代表性的角二阶矩表征纹理特征。(3)动态特征做了如下研究：针对模糊特征,本文采用二维离散小波变换的方法构建出烟雾的背景模糊模型,并引入高频分量衰减率表征物体的模糊特征；针对形状不规则特征,本文采用canny算子提取出运动区域的边界形状,并根据边界链码法和扫描法提取边界的周长和运动区域的面积,最后引入圆形度表征运动区域的形状不规则特性；针对烟雾的主运动方向特征,本文通过比较常用的块匹配准则和块匹配算法,选出三步法(TSS)以最小绝对值和函数进行块匹配,并通过离散运动方向搜索法计算每个矩形块的运动方向,最后引入运动方向比例系数α表征物体的主运动方向。(4)设计出基于BP神经网络的图像型火灾智能识别系统结构,并将颜色特征(颜色像素比)、模糊特征(高频能量衰减率)、边界形状不规则特征(圆形度)、纹理特征(角二阶矩)和主运动方向特征(运动方向比例系数)作为输入信号进行特征融合,同时对来自网络和自己拍摄的不同场景下的烟雾视频和非烟雾视频进行测试。实验结果表明：本文的视频烟雾检测算法具有较好的实时性,能够快速、准确的检测出视频中的烟雾,有效的降低了误报率。