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。写字楼/楼宇 自动识别字楼内烟雾情况，提醒管理人员，避免潜在危险。加油站/油漆厂等 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。

　　体育馆/铁路/商超等通用活动场所 自动检测体育馆、地铁等地的反常烟雾情况，提醒管理人员查看，避免(潜在）危险。实时识别、检测限定区域内烟雾动态情况,定位烟雾发生区域，预防火灾发生。

　　钻井、井口区域、二层台对于人员工作行为、位置、着装、数量要求极高，如出现违规操作，极易出现人员伤亡和设备损伤。

　　油罐区属于重大危险源，对于卸油车和卸油工作人员的流程动作需要全程监控，发现错误操作要及时报警。

　　气瓶房属于重大危险源，对不同种类气瓶存放的数量要及时统计，同时监控房内的气体浓度和温湿度。通过视频识别、定位、对井口及二层台的操作人员的护目镜佩戴情况、钻台作业面操作人数、司钻岗位操作状态等进行及时监控。安全管理效率增加200%以上。通过视频和定位系统，对油罐区内的人员和油罐车资质进行判定，非作业人员进入油罐区进行识别报警。对气瓶房气瓶数量进行RFID检测，同时对环境的气体浓度和温湿度进行监控，安全隐患有效减少70%以上。

　　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。为反映用于森林火灾预警的烟雾识别、检测等技术的最新研究进展，本文重点对2017—2019年国内外公开发表的相关文献进行梳理和分析。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。

　　基于监控视频，烟火烟雾识别系统可对监控画面进行实时分析，提前预知消防风,险。

　　烟火识别系统基于监控视频系统，可对监控画面进行进行分析识别，无需人工干预；

　　及时发现监控区域内的异常烟雾和火灾苗头，实时发出预警和告警信息，有效的协助消防人员处理火灾危机，并最大限度的降低误报和漏报现象；同时还可查看现场实时图像，根据直观的画面直接指挥调度救火。提供烟火及烟雾识别基础算法，需与视频设备与计算设备搭配使用。通过视频监控设备可及时及时识别烟火烟雾，通过系统及时发出警告信息。工地、工厂、消防重点监控场所、森林、农田焚烧等场所。

　　能对各类烟雾进行检测并报警。对监控内的烟雾势头较小的情况下就能捕捉并准确识别，报警警示便于在火灾规模变大前进行处理，起到规避重大作业安全事故的作用。变电站、燃气场站、加油站等各类需检测火焰、烟雾等安全隐患的应用场景。

　　烟雾火焰识别系统能对视频监控画面里面的烟雾、火焰自动识别，当发现画面内出现异常情况时，系统自动触发报警。烟雾火焰识别系统基于智能视频分析，自动对视频图像信息进行分析识别，无需人工干预；及时发现监控区域内的异常烟雾和火灾苗头，立即触发预警，有效的协助消防人员处理火灾危机，并最大限度的降低误报和漏报现象；同时还可查看现场实时图像，根据直观的画面直接指挥调度救火。

　　烟雾火焰识别系统融合了计算机视频图像分析技术、自动预警、报警管理、手机通知等技术，系统与视频监控系统无缝对接，通过系统主动预警推送的方式，将出现疑似烟火的具体场景实时通过电脑客户端进行报警提示，同时可联动现场警灯、音响、扬声器等设备，同时报警也可通过手机微信客户端推送给相关安全人员。

　　烟雾、火焰实时识别报警

　　基于智能视频分析和深度学习神经网络技术烟雾、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手机端， 提示用户及时处置。

　　告警存储功能

　　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、视频等。

　　报警记录查询

　　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。