1.一种基于视频信号的工厂烟气排放自动监测的方法，其特征在于，通过摄像机(1)拍摄含有被监测烟囱出口的视频，并传输给视频采集卡(2)，视频采集卡(2)将摄像机(1)采集的模拟视频信号转换为数字信号，由计算机中的视频处理系统(4)进行实时处理；视频处理系统(4)通过自适应的轮廓检测算法,判断摄像机镜头是否存在蒙尘污染，若有污染，则自动记录信息，并发出报警或信号，提示值班人员进行清洁处理；

若没有污染，则根据监测视频建立不受光照变化的参考像素值模型，以识别出视频中所有的运动物体；并根据监测视频中参考区域的概率密度直方图以消除运动云团的干扰，此后若监测到烟囱出口有运动对象，则认为正在排烟，否则认为未在排烟；

视频处理系统(4)中所运行的改进的反投影法包括以下步骤：

步骤1为自适应的轮廓检测算法，该算法包括根据式1计算视频的边缘强度，并通过边缘强度自适应的计算视频中的轮廓总数及轮廓总面积比率，若轮廓总数或轮廓总面积比率其中一项超出设定阈值，则认为摄像机镜头有污染，系统将发出警报，若两者都未超出设定阈值，则执行排烟监测步骤；

式1中，参数h和l分别是自适应轮廓算法的上、下限阈值，i为所监测视频的像素总数，mav为所监测视频中的最大边缘强度；

若图像中某一点的像素值超过上限阈值h，则认为其为强边缘点，若像素值超过下限阈值l但不超过上限阈值h，则认为其为弱边缘点，若像素值低于下限阈值l，则认为其非边缘点；搜索所有强边缘点，并以弱边缘点连接各强边缘点形成轮廓，摒除其余无法连接强边缘点的弱边缘点，则形成了轮廓图像；此后通过以下准则判断镜头是否污染：①、若镜头无污染，则从图像中检测出的轮廓仅为视场中物体本身的轮廓，轮廓数明显较少；②、在有污染的图像中，由于镜头上存在大量的点状或条状污染，则形成的轮廓图像中会出现大量的轮廓；③、根据现场实际统计情况，设定检出的轮廓总数阈值和轮廓面积比率阈值，若两项指标中任意一个超出设定阈值，则认为污染已经达到上限，需要处理；

步骤2：建立不受光照变化影响的参考像素值模型；计算当前帧视频的实际像素值与前一帧视频的参考像素值的差值以提取监测视频中所有的运动目标；设当前帧中某一点的参考像素值为μt：μt＝(1-α)μt-1+αpt   (2)

其中，α为设定常数，此处设置为0.2，μt-1为前一帧中该点的参考像素值，pt为当前帧中该点的实际像素值；当光照强度随时间发生缓慢变化时，背景点的参考像素值μt也将沿光照强度的变化方向发生缓慢变化，即当前帧背景点的实际像素值pt与前一帧背景点的参考像素值μt-1的差值不会超过设定的阈值sp，此处设置sp＝10；而运动物体由于在相邻帧中位置不一样，故其在相邻帧中的像素差值将会较大，会超过设定阈值sp；由上述算法原理，即可消除静止背景的干扰，提取出监测视频中的运动目标；

步骤3：在所监测视频中的天空区域设置多处参考区域，计算每处参考区域的参考像素值模型，参考像素值模型中包含天空区域模型和可能存在的云团模型；提取参考像素值模型的概率密度直方图，则可以反投影出图像中其他存在天空和云团的区域，设置所有反投影天空与云团区域的像素值为0，即可消除天空中运动云团的干扰；

所述参考像素值模型即记录一个参考区域内所有像素点的色调信息与灰度信息，色调值的区间为[0，180]，故可将所有像素点的色调值组合为180柱的色调直方图；同理，将所有像素点的灰度值组合为256柱的灰度直方图；将两种直方图归一化为概率密度直方图，此时直方图每一柱的面积大小即为该柱色调值在整个参考区域中出现的概率，所有柱的总面积为1；计算图像中其他区域的色调概率密度直方图和灰度概率密度直方图，并与参考区域进行比对，若其他区域的两种概率密度直方图与参考区域的相似，则认为此区域为背景区域，否则为前景区域。