本项目将大数据技术、图像处理技术相结合，利用大数据融合技术，采用多级多域的数据融合或集中式、分层式的数据融合方式，整合不同来源、不同尺度的空气污染源排放数据、视频数据、图像数据，利用云数据转换，统计分析不同污染源的排放规律；通过图像处理技术实时监控、检测空气污染排放，针对城市中的工厂、火电厂、冶炼厂等，建立一种实时、动态、高效的空气污染排放监控及预警系统，综合开发城市空气污染监控数字化平台技术。 项目核心模块为污染烟雾检测模块和污水排放检测模块。污染烟雾检测模块实现了基于机器学习的智能视频烟雾识别与监控，包括视频采集与传输、预处理、疑似区域提取、特征定义与提取、烟雾识别、烟雾报警六个主要功能，并在不同场景下对烟雾的多种不同的情况设计了不同的检测方案。污水排放检测模块实现了基于视频分析技术的污水排放监测报警功能。该模块首先对视频图像进行预处理及背景建模，找出视频中的运动区域并将运动区域定义为感兴趣区域，提取感兴趣区域的HIS颜色特征和LBP纹理特征，将提取出的特征投入训练好的SVM分类器中进行预测，如果判断出运动区域是污水，则向指定邮箱发送报警邮件，报警准确率高达85%以上。 相比于传统的传感器检测空气污染的方式不能记录具体的污染排放过程，同时容易受环境因素干扰，实时性不佳；而卫星遥感技术存在监测时间过短、获取数据不具代表性等缺点，本系统的优势在于：采用平台化模式汇聚不同来源、不同尺度的空气污染数据，智能化分析不同污染源排放规律，对可能的污染排放进行智能预测预警；实时监测工厂空气污染源排放，判断空气污染程度，节约用于工厂环保监督投入的成本；利用动态数据库记录、存储污染排放信息，为环保部门从源治理空气污染提供依据。