火灾的发生往往会造成重大的经济损失和人员伤亡,尤其室内火灾,由于室内空间狭小,同时存在其他可燃物,人员逃生需要一定的时间等因素的限制,增加了人员伤亡的几率。因此,建立一套完整室内火灾预警系统是预防火灾发生的重要措施之一。烟雾是初期火灾发生的特征之一,随着计算机视觉技术的发展,智能视频监控在安防领域受到广泛应用。本文提出一种基于视频图像的室内烟雾预警算法,该算法可以快速识别火灾烟雾信息,及时发出预警信号,警示工作人员对预警区域进行核实和处理。本文的主要研究内容和创新点如下:1.使用改进的ViBe算法对疑似烟雾提取。帧间差分法、高斯混合背景建模法、光流法、ViBe等是检测视频运动目标常用的算法,由于视频烟雾检测具有实时性强,检测效率高等要求,并且ViBe算法是像素级检测,更加符合现实场景下的烟雾检测。为了减少视频烟雾中非烟雾因素的干扰,本文提出了一种改进的ViBe算法,在原有ViBe算法的基础上对烟雾运动方向进行约束、判断,最大限度降低视频烟雾中的非烟雾区域的干扰。2.采用运动上下文信息学习的混合深度网络对疑似烟雾区域检测。传统的烟雾检测技术由于存在人为因素,对烟雾检测实时性、误报率、漏检率的方面有一定影响,而深度学习技术则避免了这些因素。CNN具有强大的特征提取功能,可以提取视频图像的视觉特征及运动特征,同时,RNN可以在时间流上积累视频图像的运动上下文信息,保留了烟雾特征的完整性。本文依据视频烟雾检测特点,设计了一种基于室内视频烟雾检测的运动上下文信息混合深度网络,在空间域、运动域、时间域上对烟雾进行检测。最后,本文对算法的实验结果给予比较分析,并且使用常用的四个性能指标:算法的响应时间、正确率、误报率、漏检率来衡量整个算法的性能,实验结果表明,本文提出的算法整体上具有实时性好,检测正确率高等优点。