火焰的出现使人民的生活有了翻天覆地的变化,现在的生产生活根本离不开火。随之而来是住宅失火、森林失火等重大火灾情况,给人们带来了很大的生命安全和财产损失等问题。随着科学技术的发展,计算机对图像处理技术的日益完善,比较传统的传感器火焰探测技术方法,现在的探测火情的处理技术具有速度更快,范围更广,精度更高的优点。利用图像处理技术和支持向量机SVM进行对火情颜色特征的探测与识别研究。通过对图像采取中值滤波预处理,去掉影响目标的干扰信息,在去除噪声的同时更好的保留了火焰的特征信息。利用RGB和HSI的混合颜色空间模型,提取出火焰的疑似区域。对于混合颜色特征模型的颜色空洞进行形态学处理,填充火焰特征区域,接着利用漫水填充算法,对识别出来的特征区域进行联通,形成特征目标的连通域。然后使用非极大值抑制算法,框选出最佳的疑似火焰区域。使用火焰颜色特征作为火焰视频的样本分类标签,用SVM对训练集视频进行火情视频和干扰源视频的分类。SVM可以在有限的数据集内实现高效率高精度的火情识别。基于火焰视频图像的空域特征,提取出火焰视频图像的静态特征以及动态特征。首先利用混合高斯模型,对待识别火焰视频的数据帧图像进行特征提取,然后结合静态特征和动态特征,把R通道特征、圆形度特征、矩形特征、边界粗糙度以及质心高度比系数作为静态特征;把火焰的面积变化率、闪频特征、边缘抖动、火焰的无序性和焰心的移动速率作为动态特征。利用所采集到的图像序列,进行图像预处理、前景提取,并框选出疑似火焰图像的特征信息,进行机器学习的样本标注,形成样本集合,对SVM的训练模型做火焰分类标签,标签为火焰视频和非火焰视频两种分类类型。根据需要检测的视频序列,通过图像滤波处理和疑似火焰区域的特征提取,把基于空域特征的疑似区域信息放到SVM的模型里进行数据分类,最后绘制出火焰区域。