基于视频分析的森林火灾检测技术是森林防火的重要手段之一。相比与传统的火灾检测技术,基于视频图像分析的森林火灾检测具有诸多优点。在火灾发生前期,烟雾容易被监控视频捕捉到,而火焰却容易被遮挡,因此基于视频图像分析的森林火灾检测技术本质上是检测视频图像中的火灾烟雾图像。本文针对视频中烟雾图像检测的任务,对图像中的运动目标提取、图像特征提取以及分类器设计等问题展开了研究,主要研究内容如下:(1)视频图像中运动目标提取算法的研究。本文重点研究了高斯混合背景建模和ViBe背景建模两种算法。为比较运动目标提取算法的性能,本文引入了一种利用图像像素集合分类的方法对运动目标提取算法作出评价。为从视频图像中分割出目标图像,本文研究了利用Freeman链码表示轮廓并获得轮廓外接矩形的方法。(2)目标图像特征提取算法的研究。本文对图像多种特征提取算法进行了研究,包括LBP特征、灰度共生矩阵的统计特征、LBP-TOP特征、小波高频能量特征、颜色直方图和颜色矩、运动方向特征以及不规则度特征。引入了一种利用KNN特征选择算法得到最优特征子集。(3)分类器设计的研究。通过实验验证了各种特征以及特征组合的分类效果,利用网格搜索法获得支持向量机的最佳参数,通过与BP神经网络对比确定使用SVM。(4)设计并实现一款对视频图像中森林火灾烟雾图像检测的软件。针对基于视频分析的森林火灾烟雾检测算法的研究,设计并实现了一个火灾检测的软件。