1.一种基于烟雾区域密度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；

第六步，在第一步获得的单通道灰度图像中以烟雾根候选点为圆心，半径为8个像素画圆，认定像素值大于150的像素点为前景像素，像素值小于150的像素点为背景像素，计算每个圆形区域内前景像素的个数，和前景像素像素值之和，将像素值之和与像素个数做比，得到每个圆形区域所对应的像素密度，选择像素密度大于整体烟雾密度的骨骼端点认定为进一步筛选过的烟雾根候选点。

2.根据权利要求1所述的一种基于烟雾区域密度的森林火灾烟雾根节点检测方法，其特征在于所述第六步中的烟雾相对密度烟雾根筛选判定方法，通过Lambert‑Beer定律，可推导出烟雾密度与图像灰度具有一定的函数关系，即烟雾化方程:其中mD为烟雾密度，I为图像灰度，J为背景灰度，A为天空灰度，J和A在同一环境下为常值，通过烟雾化方程可知，图像灰度随烟雾密度的递增而递增，因而将图像灰度的相对大小视为烟雾密度的相对大小，通过烟雾根节点密度较大的原理，对骨骼端点进行筛选以减少烟雾根候选点的数量,具体执行方法为：步骤601，以单通道灰度图格式读入当前帧，以上一步得到的烟雾根候选点为圆心，半径为8个像素画圆，获得与烟雾根候选点数量相同的烟雾根候选区域；

步骤602，认定像素值大于150的像素点为前景像素，像素值小于150的像素点为背景像素，计算每个圆形区域内前景像素的个数，和前景像素像素值之和，将像素值之和与像素个数做比，得到每个圆形区域所对应的像素密度，其中f(x,y)表示位于位置(x,y)且像素值大于150的像素的像素值，N代表该圆形区域中像素值大于150的像素个数，计算公式如下：步骤603，计算烟雾区域总体密度，再对第一步获得的单通道灰度图进行处理，若某像素点在第四步获得的融合图像中像素值为0，则视为背景区域像素，否则视为前景区域像素，若前景区域中某像素点的像素值大于150，则视为前景区域中的前景像素，否则视为前景区域中的背景像素，判别公式如下：f(x,y)表示前景像素中位于位置(x,y)的像素的像素值，M代表前景像素的个数，烟雾总体密度计算公式如下：步骤604，选择像素密度大于烟雾总体密度的骨骼端点认定为进一步筛选过的烟雾根候选点，并画圈标识。