火灾对于人类的生命财产安全具有严重的威胁,对火灾早期进行探测并及时预警对于减少各种损失意义重大。随着智能监控设备的普及,基于视频的火灾探测技术受到关注。火灾发生初期由于物体处于阴燃状态,常伴随烟雾的产生,通过对烟雾的识别可以及时探测早期火灾。传统的定点检测器通过光学法或者电离法检测烟雾产生的某些颗粒。定点探测器对烟雾量有要求,烟雾到达探测器有一定时延。烟雾在室外扩散的空间范围随机,不可能安装定点检测器来探测火灾。利用安装在各种场景的摄像机进行烟雾识别在一定程度上可以解决定点检测器的室外场景应用和实时性等问题。针对现有视频烟雾检测使用运动目标检测法分割的前景区域存在干扰物较多和烟雾特征不明显等问题。本文做了以下工作:（1）设计一种提取疑似烟雾区域的区域分割法。利用大津算法对图像执行两次分割,提取含有疑似烟雾的感兴趣区域。采用视觉背景提取法检测感兴趣区域的运动目标,然后在共同区域上执行搜索策略确定疑似烟雾区域。实验结果表明该方法与运动目标检测方法比较可以提取较完整的疑似烟雾区域。（2）设计基于多特征融合的SVM烟雾识别方法。针对场景中存在行人,汽车以及其它运动物体干扰的问题,在疑似烟雾区域提取描述烟雾运动特征,如轮廓不规则,扩散等特征。提取描述烟雾静态特征如颜色,使背景模糊,纹理等特征。对提取的静态和动态特征进行融合训练支持向量机,获得烟雾识别的分类模型。用包含烟雾和非烟雾的视频对该方法进行测试验证,并与其它算法对比。（3）针对公开数据集较少的问题,实地采集本文用到的烟雾视频数据集。使用本文设计的区域分割法在视频中提取疑似烟雾区域,平均精度为81%。在该区域分析烟雾特征用于训练基于多特征融合的SVM模型,实验结果表明该方法平均正确率是91.76%。