现有的视频烟雾检测方法在复杂场景下检测准确率低,不能准确地框定出视频图像中的烟雾区域。针对此问题,提出一种结合烟雾运动过程和目标检测的分阶段烟雾检测算法。首先,基于烟雾颜色特征改进ViBe算法,提取视频中不断运动的烟雾。然后以YOLO v3模型为基础,在主干网络的残差结构中引入通道注意力机制;使用Focal-loss和GIoU改进损失函数。在烟雾图片数据集测试中,改进后的网络单张图片检测时间为38.4ms,mAP达到约92.13 %,相比原模型提高了约2.19 %。在提取烟雾运动的同时,将同一帧送入网络进行检测;以两者的检测结果对烟雾做综合判别。在公开烟雾视频测试中,该算法的检测率平均达到约98.88%。测试表明,算法对复杂场景适应性强,检测效率高,具有较高的实际应用价值。