火灾事故是公路隧道安全事故中危害极大的一类事故,往往火灾事故的发生会造成严重的人员伤亡和极大的财产损失,若能在火灾发生早期及时准确地检测出火灾可以将损失降到最低,因而公路隧道火灾的早期检测是极其重要的。传统的公路隧道火灾检测技术受隧道复杂环境的影响,难以实现及时准确地检测,而图像型火灾检测技术具有准确率高、实时性好、抗干扰性强、成本低等特点,适合于公路隧道火灾检测。本文结合公路隧道复杂的环境,以火灾火焰为研究对象,以图像处理为技术手段,分析火焰特征,研究火焰候选区域提取方法、火焰候选区域特征提取方法以及结合模式识别技术,提出适合于公路隧道的火灾检测方法。首先,分析研究火灾火焰的特征以及公路隧道常见干扰物的排除方法,设计适合于公路隧道的火灾检测方法,并针对火灾检测过程中的部分图像处理理论知识进行分析研究,为下文的研究提供研究思路和理论基础。其次,为了提取准确的火焰候选区域,减少干扰物的影响。本文首先对图像进行中值滤波预处理,减少噪声对图像的影响;其次深入研究运动目标的提取方法,提出基于GMM的ViBe背景建模差分法提取运动目标;接着分析研究火焰在颜色空间模型中的颜色分布,提出基于YCbCr颜色空间与饱和度的疑似火焰区域分割方法,分割出疑似火焰区域;最后将运动目标区域和疑似火焰区域做与运算确定火焰的候选区域,并对提取的火焰候选区域进行形态学处理、连通域标记,为下一步提取火焰特征做准备。然后,根据火焰的特征提取火焰候选区域的颜色一阶矩、圆形度、纹理特征和闪烁特性特征量,并作为支持向量机模型的输入向量,选择合适的核函数,优化核函数参数,训练得到合适的支持向量机分类器模型。最后,为了验证本文提出的基于图像处理的公路隧道火灾检测技术的有效性和可行性,对多个火焰视频和干扰物视频进行了检测。检测结果显示,该技术具有较高的火焰识别准确率和干扰物排除率,可以应用于公路隧道的火灾检测识别。