李 钢，袁非牛，夏 雪，章 琳，5，雷帮军

1.江西财经大学 信息管理学院，南昌330032

2.水电工程智能视觉监测湖北省重点实验室（三峡大学），湖北 宜昌443002

3.宜春学院 数学与计算机科学学院，江西 宜春336000

4.上海师范大学 信息与机电工程学院，上海201418

5.江西科技师范大学 数学与计算机科学学院，南昌330038

1 引言

火灾发生时，烟雾出现通常比火焰更早、更明显，是火灾初期的重要表征。准确且快速地检测烟雾有助于尽早做出火灾预警，更好地保障人们的生命和财产安全。传统的烟雾检测方法主要是利用传感器检测烟雾，监测区域范围小且封闭，易受到烟雾扩散缓慢而延迟报警。基于视频的烟雾检测利用了烟雾的视觉特征（如纹理、颜色、运动等），能够监测更大的区域，具有响应速度快、成本低、不易受环境影响等优点，已成为早期火灾预警的发展趋势。烟雾识别作为烟雾检测的重要环节，如何在提高烟雾识别检测率的同时降低误报率是当前的主要技术难题。

变换域特征提取方法和局部模式特征提取方法是两种常用的烟雾特征提取方法[1]，为获得更好的烟雾检测识别效果，可以结合这两种方法来提取特征。小波变换能提取图像的高频和低频信息，具有多分辨率特性，文献[2-3]都通过使用烟雾的扩散特性和小波高频能量提取烟雾特征来实现烟雾检测。Gabor 小波作为一种小波变换，具有空间局部性、方向性、多尺度和光照不敏感等特性，文献[4]构建了一个多层Gabor网络来提取图像特征实现烟雾识别，文献[5]通过设计聚合Gabor 核和改进局部二值模式（local binary pattern，LBP）进行图像烟雾识别。……