火灾是公路隧道安全事故中危害最大的一类，快速准确的检测火灾，有利于迅速控制火灾和对人员实施救援，降低损失。由于传统的感温、感烟、红外和光纤等火灾检测技术易受隧道复杂环境的影响，难以实现火灾实时检测且预警时间较长，本文结合隧道的特殊环境，开展基于视频的高速公路隧道火灾检测技术的研究。在火灾初期能对火灾实时准确检测，避免火灾的扩大，从而最大限度的降低人员伤亡和财产损失。同时，该技术利用现有隧道视频监控系统的图像采集设备，在一定程度上可减少隧道火灾检测设施的配置，节省成本，避免重复投资，具有一定的经济效益。本文首先介绍了视频火灾检测技术和图像预处理的基本理论，然后采用背景估计模型使参考背景自适应隧道场景的变化，并用背景差分法提取运动前景目标，这是火灾检测的基础，它直接影响后期火灾判别的效果和效率。通过运动前景的检测能将包括火焰（或烟雾）在内的可疑运动区域分割出来。其次，由于隧道的复杂环境（移动车辆、照明灯光、车灯、尾气等），为实现火灾检测，需提取火焰（或烟雾）区别于干扰物的特征。在分割出火焰（或烟雾）疑似区域的基础上，本文分别研究了火焰检测算法（FDA）和烟雾检测算法（SDA），FDA主要用于实现明火的检测，SDA则用于检测阴燃火。FDA首先检测出视频中的运动目标，结合隧道运行环境特点消除运动车辆灯光等干扰，并利用HSI彩色空间模型分割出消除移动物体后目标区域内满足火焰颜色特征的区域，然后提取火焰疑似区域的颜色、尖角数目、圆形度、火焰跳变频率及形体变化等特征，并使用BP神经网络将这些特征有效融合实现火灾的综合判别。而对于SDA，首先使用背景差分法提取隧道内的运动目标（包含烟雾、运动车辆、汽车灯光和尾灯），然后根据烟雾发生源位置不变特性消除非烟雾运动区域，并利用烟雾的透明性和扩散特征综合判断是否有火灾烟雾存在。最后本文提出了基于视频的高速公路隧道火灾检测的算法并给出了算法工作流程，以FDA和SDA两个算法对采集的视频并行处理，通过判别是否有火焰或烟雾的存在实现隧道火灾的判定。通过在不同环境中的视频源上的算法测试，结果表明该算法较好的过滤隧道运动车辆、灯光等干扰，能高效准确地检测出烟雾和火灾，且具有较低的误检率、较好的实时性和一定的抗干扰能力，可以应用于高速公路隧道视频火灾检测。