1.一种基于动静态网格融合策略的森林火灾烟雾根节点检测方法，其特征在于，包含以下步骤：

第一步，视频信息预处理，通过采集固定摄像头的连续帧烟雾图像，进行帧图像提取，并通过基本的图像处理方法，得到特定尺寸的单通道灰度图像；

第二步，烟雾轮廓提取，对获得的单通道灰度帧图像用Sobel算法提取静态轮廓；Sobel算法的计算方法为,首先求解图像像素x方向梯度，当梯度大于设定的阈值时，认定该点为边缘点，遍历像素后获得烟雾竖直方向的边缘；其次求解图像像素y方向的梯度，当梯度大于设定阈值时，认定该点为边缘点，遍历像素后获得烟雾水平方向的边缘，最后，合并梯度，将竖直方向边缘图与水平方向边缘线性相加，获得该帧图像的Sobel轮廓图像，并对提取出的Sobel图像进行二值化，腐蚀操作，以过滤背景轮廓噪声；

第三步，动态区域提取，对第一步中获得的单通道灰度帧图像通过Vibe算法进行动态区域提取，获得该帧图像的Vibe动态区域图像；

第四步，图像融合，将每帧Sobel图像与该帧对应的Vibe图像进行融合，融合方法为，对每帧原始图像所对应的两帧图像进行网格分割操作，网格大小为20*20像素，每张图像共有

24*16个网格区域，计算各个网格对应的Sobel图像与Vibe图像的像素值之和，以选定不同网格区域的融合方式进行图像融合；

第五步，骨骼图像提取，对融合得到的单通道二值化连通域进行骨骼图像提取，并计算骨骼图相端点坐标，即为当前帧图像的烟雾根候选点坐标。

2.根据权利要求1所述的一种基于动静态网格融合策略的森林火灾烟雾根节点检测方法，其特征在于所述第二步中的Sobel静态轮廓提取算法提取静态烟雾轮廓图像，具体执行方法为：步骤201，以单通道灰度图格式读入当前帧，遍历像素并分别对x方向和y方向进行梯度求导，得到x方向与y方向的轮廓图像；

步骤202，将x方向轮廓图像像素灰度值Gx与y方向轮廓图像的像素灰度值Gy线性相加，由于森林火灾初始烟雾往往为向上飘散的不规则烟雾，因此x方向梯度所影响的竖直方向烟雾边界比y方向梯度所影响的水平方向烟雾边界更为重要，因此x方向梯度给予更大的比重，获得当前帧的轮廓图像像素G，计算公式如下：|G|＝0.75×|Gx|+0.25×|Gy|  (1)

步骤203，将得到的轮廓图像进行形态学操作，腐蚀操作处理，腐蚀核为3*3，森林场景中树木轮廓难以辨认，无法被Sobel提取出来，较小的腐蚀核即可过滤掉背景中树木轮廓，获得更清晰的烟雾轮廓图像。

3.根据权利要求1所述的一种基于动静态网格融合的森林火灾烟雾根节点检测方法，其特征在于所述第四步中的Sobel静态特征图像与Vibe动态特征图像的融合算法，其具体执行方法为：步骤401，建立一个与初始图像大小相等，格式一致，像素值全为0的模板图像Model；

步骤402，将生成的Sobel静态轮廓图像与Vibe动态区域图像进行配对操作，此时获得的Sobel静态轮廓图像也许依旧存在没有被过滤掉的背景像素，而Vibe图像也存在着烟雾边缘像素移动缓慢，不能提取出完整的动态烟雾区域的问题，需要对对应同一张输入帧图像的Sobel静态轮廓图像和Vibe动态区域图像进行融合。对对应的两个图像进行网格分割操作，网格大小为20*20像素，每张图片共有24*16个网格区域，这样既能保证辨别出烟雾区域与背景区域，又控制了计算量；

步骤403，遍历网格，计算每个网格的像素之和，numS(i,j)表示Sobel图像位于(i,j)位置的网格像素和，numV(i,j)表示Vibe图像位于(i,j)位置的网格像素和，融合条件公式如下：其中Area_Sobel(i,j)为Sobel图像位于(i,j)位置的小区域，Area_Vibe(i,j)为Sobel图像位于(i,j)位置的小区域，由于每张图共有网格24*16个，即imax＝24，jmax＝16，Area_Model(i,j)为模板图像位于(i,j)位置的小区域，当且仅当两张图像对应网格区域的像素值和均不为零时，认定该网格区域为烟雾区域，否则，认定为背景区域，对背景区域采用全部置0的操作方式，而仅对烟雾区域进行策略性融合，融合策略公式如下：其中M(i,j)(m,n)表示模板图像位于(i,j)区域的网格的像素坐标，S(i,j)(m,n)表示Sobel图像位于(i,j)区域的网格的像素坐标，V(i,j)(m,n)表示Vibe图像位于(i,j)区域的网格的像素坐标，对被认定为烟雾区域的网格采用以像素为单位的融合策略，当两张图像对应网格区域的对应像素点有一方不为0，或双方均不为0时，将该像素点的像素置为255，若两张图片对应网格区域的对应像素均为0，则认定该像素为烟雾区域的非烟雾像素点，即背景像素；

步骤404，将融合后的图像显示在模板图像上，再次二值化操作，即得到融合后的烟雾特征图像。