基于计算机视觉的火焰检测以图像处理和模式识别技术为基础，它不会受到复杂的空间和环境因素的影响。与传统的火焰检测技术相比，基于计算机视觉特征的火焰检测技术具有更高的识别准确率和更广泛的应用场景。本文结合图像处理技术和统计模式识别方法，提出了一种基于特征包(Bag of Features, BOF)的火焰检测技术。本文首先研究了色彩空间模型、火焰的视觉特征和模式识别技术的相关分类方法，为图像特征提取以及特征包算法模型准备了理论基础。其次研究了特征包算法模型及其构建过程，为火焰检测提供了新的解决方案。最后实验验证，基于特征包算法训练火焰判别模型，给出决策方法,并且依据决策方法判断是否存在火焰区域。本文实验具体实施过程分为三部分：第一，收集大量火灾图像样本并提取图像色彩空间特征，对提取到的特征点聚类产生视觉码书；第二，收集大量火灾图像进行分块建立火焰区域样本，对火焰样本提取图像色彩空间特征作为训练样本特征集合，并根据视觉码书量化训练样本特征集合，以此得到火焰特征模型；第三，建立测试样本特征集进行测试，结合火焰特征模型给出决策算法，检测测试样本图像中火焰区域，并且给出实验结果及分析。实验结果表明，基于特征包的火焰检测方法能够准确的识别火焰区域，并且它在可靠性和环境适应能力等方面都表现出比较好的性能。