火灾的发生给人们的生命和财产安全带来了极大的威胁，越来越受到人们的广泛关注和重视。为了及早发现火灾，从而使得火灾尽快被扑灭，各种火灾探测算法不断涌现，但仍不能满足未知环境条件下火灾探测的高识别率和高准确性的要求。为解决上述问题，本文提出一种新型的SVM(Support Vector Machine)算法来提高火灾探测的性能。采用SVM算法对火灾探测技术的研究主要包括火灾火焰特征的提取，基于火灾火焰的特征采用SVM算法进行火灾图像分类。在本文的研究中，根据火灾火焰与蜡烛火光、光照等干扰源特征的对比，分别选择火灾火焰图像的圆形度、尖角个数、能量、局部平稳度以及红色比重方差值等火灾火焰的形状特征、纹理特征和颜色特征来与干扰源图像进行区别。在采用SVM算法进行火灾图像分类方面，本文主要开展了如下几个方面的工作：（1）引入了混沌概念，对PSO（PartideSwarm Optimization）算法进行改进，来优化径向基核函数参数g和惩罚因子C的选择；（2）对基于SVM的火灾探测算法进行设计，并提出了一种改进SVM算法；（3）基于Libsvm软件包，对SVM火灾探测算法的具体实现进行研究；（4）通过与传统神经网络算法的对比实验，证明本文基于改进SVM算法的火灾探测算法具有更高的火灾识别率，能够更好的进行火灾探测。该研究在一定程度上解决了火灾探测方面存在的一些难点问题，达到了本课题研究的目的，具有一定的的理论研究和现实意义。