在烟雾检测系统中，采用机器学习的视觉技术暂未广泛替代传感器的主要原因在于其误报与漏报较高。计算力度的提高、存储设备的发展，使得传统视觉技术中存在的问题逐渐得到改善或解决，但也迎来了新的挑战。

从监控角度出发，基于对此领域的长期研究与广泛文献调研，将利用烟雾的森林火灾预警任务分为烟雾识别、检测、分割这3类不同的粒度，分别介绍实现这些任务的传统方法及深度方法。

依照当前研究热度，主要关注视频烟雾检测与分割这两个细粒度任务。其中烟雾区域的粗提取与二次提取方法是检测与分割的关键，因此将探索这些方法如何提取、利用烟雾的动态与静态特征。

此外，由于深度学习框架主要实现端对端的任务，无法分离出关键步骤，故对基于深度学习的烟雾监控任务进行单独梳理，不关注单步细节，主要体现文献思路。

最后，对实现烟雾识别、检测、分割任务具体方法中的优缺点、烟雾监控任务中常用的指标、研究常用的数据库进行总结，并对发展前景进行展望。为基于烟雾的森林火灾预警技术提供更多的发展方向。

随着社会经济的高速发展,大空间内火灾频繁发生,给人类生命安全及财产造成了极大的威胁,但传统火灾探测器存在受空间高度、粉尘等影响因素,并不能够发挥有效作用。

但随着计算机视觉、图像处理、模式识别等学科的发展,视频火灾检测技术成为早期火灾监测的一个重要研究方向,火灾发生时,烟雾早于火焰,因此烟雾探测对于火灾探测则更为重要。

本文结合了烟雾的静态纹理特征和动态运动特征对监控视频进行探测与识别,实现在大空间环境下对火灾的早期预警。

通过在山林各区域安装边缘计算机和摄像头，可以实现不间断扫描山林、识别烟雾和火焰的效果，发现问题时及时预警，通知山林管理员及时处理。实现不间断扫描山林、识别烟雾和火焰的效果，发现问题时及时预警。

烟火识别系统基于人工智能视频分析和深度学习技术，实现对监控区域内的烟和火进行识别、实时分析报警。

不依赖其他传感设备，直接对视频监控区域的画面的烟雾和火焰均可及时准确识别，无误报，无漏报。对烟雾和火焰实时分析报警，同时将报警信息快照和报警视频存入数据库，将报警信息及时推送给相关的管理人员，及时应对。

智能视频分析烟火识别系统可协助管理人员，对监控区域的火焰做到全天二十四小时实时分析及时报警。

基于智能视频分析和深度学习技术，对烟雾、火焰实时识别预警，告警信号可显示在监控客户端界面，也可将报警信息推送到移动端，联动驱动警灯和警号提示用户及时处置。

对烟雾、火焰实时识别预警及时存储到服务器数据库中，包括时间、地点、快照、视频等。可根据时间段、监控区域对烟雾、火焰实时识别报警记录进行历史记录查询，每条记录包括时间、地点、报警记录快照、视频等。

基于大规模烟雾场景数据识别训练.配合摄像头实时监控各区域内烟雾动态情况,定位烟雾发生区域,立即报警迅速救援。

系统兼容性强、性能稳定、部署方便。

对异常烟雾和火焰，实时分析，识别报警。

可与更多的行业集成，实现更多的物联网智能化应用。针对如加油站、油漆厂、液化石油气站等极易发生火灾爆炸的特殊场所，检测到烟雾即刻报警，避免(潜在)危险。

仓库、大型存储、集散中心

这些场合的规模都很大，而且很空旷，同时单位面积上囤积货物比例很高，采用视频烟火检测系统可以在火灾发生的倪端即可产生报警，避免大的损失。

飞机机库

飞机机库的价格与它所保护的物品(飞机)的价格相比不值一提。机库火灾不仅造成上千万元的损失而且会进一步影响其相关联的服务。视频烟火检测系统能够在昂贵的轻水泡沫被释放前及时检测到烟火的存在并及时扑灭。

商场

商场一旦发生火灾，由于其所存物品的易燃性会使得火势快速蔓延，造成更大的损失。视频烟火识别系统，通过安装的摄像机拍摄的视频画面，快速发现可疑现象。

体育场馆

大型体育场馆的空间都非常大，等到传统烟火检测装置检测到烟火的时候情况都已十分严重。采用视频烟火识别系统可以时刻监控空旷空间的情况，一有烟火，及时警报，反映给相关人员。

隧道、地铁

隧道及地铁都是半封闭的环境，一旦火灾发生，人员疏散是与时间的较量。视频烟火识别系统可以在无人区域及时发现火灾情况，及时警报，争取更多的宝贵时间。

森林、平原

森林火灾具有突发性、灾害发生的随机性、短时间内能造成巨大损失。因此一旦有火警发生，就必须以极快的速度采取扑救措施。视频烟火识别系统可以及时发现火灾情况，及时警报，争取更多的宝贵时间。