2 烟火检测算法的组成模块运行烟火检测算法是为了确认在监测森林地区的相机的视野范围内是否有烟火的存在
这里提出的烟火检测算法由四个主要的子算法构成：（1）视图中缓慢移动物体的检测（2)烟色地区的检测（3）图像中上升物体的检测 （4)阴影检测和消除阴影区域， 在些子算法对于每一个n 时刻输入的图 像帧中x位置的像素都分别运用决策函 数D1(x,n),D2(x,n),D3(x,n),D4(x,n) ，选定高速率运算的算法是为了实现一个在标准个人电脑工作状况下的实时烟火检测系统
子算法中的决策函数Di，i=1,
,m,不输出二进制的值如1（真）或者 -1（假），但是输出代表每一个传入样本x 的零均值实数
如果输出正（负）数，那么独立的算法判定出在相机观测范围内有（无）森林烟火
决策函数的输出值代表了了每个子算法的置信度
输出值越大，算法的置信度越高
1 缓慢移动物体的检测视图中以相同速率运动的物体看起来在离相机距离远的地方比在离相机距离近的地方移动的要慢( 像素/秒）
假设在不同的背景图像Bfast（x,n）和 Bslow（x,n)下把相机对焦，他们以不同的更新速率与现场通信 【9】【65】，这里的 x 代表的是在第 n 帧图像中某个像素的位置
在 n+1 帧时刻的背景图像B（x，n+1)是通过包含图像帧I（x，n）和背景图像 B（x，n）的递推公式估算来的
公式如下：此处的的 I（x，n）指的是第 n 帧图像 I 中 x 处像素的强度值， a 是（0,1）X 是固定的X 是移动的(6
1) 之间的一个常数
初始时，Bfast（x,0）和 Bslow（x,0)可以取 I（x，0），固定的像素和移动的像素的定义见【19】
背景图像 Bfast（x,n）和 Bslow（x,n)以不同的更新速率更新的方式如式6
在我们实现的算法中， Bfast（x,n）取 a=0
