随着社会的进步,高层建筑越来越多,因此消防安全引起了社会越来越多的重视,尽早地对处于初期的火灾火情进行检测与控制显得尤为重要。传统的感烟型、感光型、感温型等火灾探测技术存在烟雾易扩散、光源采集易受外界干扰、温度无法快速传递等缺点,使得传感器信号变得十分微弱。而基于图像处理的火灾监测研究,是利用图像处理方法提取出火灾初期的图像信息,可对火灾进行快速的监控与检测。利用图像处理进行火灾火焰检测的主要目的是利用高分辨率CCD摄像机采集火灾的火焰图像,并把这些图像输入到计算机,然后选择和利用合适的图像处理算法,从单幅图像和连续帧图像中判别是否有火灾的发生。本课题以数字图像处理技术为基础,从火灾火焰的颜色特征,灰度特征,形状特征着手,实现了对火灾火焰的识别。课题目标是选择合适算法,确定可行方案,通过软件设计实现火灾火焰的检测与识别。本文主要对基于图像处理的火灾火焰识别算法进行了研究。首先,将背景减除法与火焰颜色特征相结合对图像进行可疑目标提取,图像形态学处理之后按照顺序标记目标区域,计算区域的圆形度特征参数,去除了一些圆形度值较大的干扰目标。然后,文中分析了火焰图像的相似度,火焰像素灰度变化强度和火焰的尖角数目变化规律这三个动态特征,同时根据尖角的四个特征提出了一种尖角检测算法。通过数据分析发现这三个特征可以有效地将火灾火焰与干扰加以区别,并在此基础上把这三个视频动态特征作为火灾火焰识别的参数。最后,在分析BP人工神经网络的基本原理基础上,采用多特征融合技术将这几个特征参数作为神经网络的输入,利用BP神经网络对火灾火焰进行了识别。实验结果表明本文提出的火焰识别参数和识别方法能够准确地识别火焰并进行报警,且有一定抗干扰能力,基于图像处理的火灾检测有良好的发展前景。