火灾的频发直接给人类造成难以预料的灾难。实现火灾的高效监测与实时预警是当前社会亟需解决的问题。近年来,基于视频图像的火灾探测技术迅猛兴起,这类探测技术具有反应灵敏度高、适用性广、响应速度快、成本较低等优点,是一种预防火灾的有效解决方法。但由于火灾场景复杂多变、相似性光源的干扰和火焰运动的不规则性等因素,使得目前现有的火焰检测与跟踪算法难以同时满足精确性、鲁棒性以及实时性要求。因此,本文提出并改进了面向视频的火焰检测与跟踪的系列算法,具体研究工作如下:(1)针对现有的火焰分割算法存在的错检和漏检现象以及Chan-Vese(CV)模型收敛慢等问题,提出一种基于颜色先验信息和改进的CV模型相结合的火焰分割算法。首先根据YCbCr颜色模型初步分割得到的疑似火焰区域来设定CV模型的初始轮廓曲线位置;然后利用局部加权平均和加窗滤波技术有效抑制噪声的干扰并减少冗余轮廓;最终实现快速而有效的火焰分割。(2)为了提高检测与跟踪的准确性,详细分析和提取了视频火焰的静动态特征。首先根据连续帧间火焰区域的增长变化来提取火焰的形态特征;然后统计火焰像素点在一段时间内的亮度跳变次数来分析火焰的闪烁频率,并引入新颖的词袋模型来描述火焰运动特性;最后通过实验论证这些特征作为火焰识别判据的合理有效性,为下一步的火焰跟踪奠定基础。(3)为了预测火势蔓延情况和实现火焰准确跟踪定位,提出一种基于粒子滤波和区域特征信息融合的快速火焰跟踪算法。首先采用基于加权颜色直方图的粒子滤波算法预测火焰目标位置;然后在跟踪到的候选区域内进行动态火焰的多类特征提取,并利用多专家系统的分类方法将多特征融合进行火焰目标判定,同时将火焰目标的颜色特征和动态融合特征作为互补观测信息更新粒子的权值;最后采用滑动窗的方法建立连续帧间的数据关联和区域匹配,以实现火焰的快速准确跟踪。选取不同复杂场景的火灾和非火干扰视频进行实验测试,仿真结果表明,与同类算法相比,本文提出的创新算法在分割速度、检测精度和跟踪效果上都得到了进一步的改善。