火灾对人类的生命财产、社会资源、自然环境和生态平衡都构成了极大的威胁,如何预防火灾是世界各国人民共同面临的一个问题。目前国内外应用于消防方面的系统主要是基于传感器的传统烟火检测系统,这种系统在空间适应能力上存在很大的局限性。近年来,随着可视化设备和数字图像处理技术的快速发展,研究者们提出了一种新的基于视频图像的火焰检测方法。基于视频图像的火灾检测方法融合了计算机视觉、数字图像处理、模式识别和信号处理等方面的技术,不受环境和距离的限制,自动识别视频中的火焰,能起到早期火灾预警的作用。本文以固定相机模式的监控视频为研究对象,提出并实现了一套火焰检测算法。本文的主要内容包括以下几个方面:首先对火焰的特征进行研究,从静态特征和动态特征两方面分析了火焰的视觉特征。在静态特征方面,通过对比不同的火焰颜色模型,得到了能较好描述火焰颜色的模型;在动态特征方面,利用PCA的方法提取特征火,同时结合方差、峰度和偏度分析了火焰外围的不稳定特性,采用短时平均过零率与PCA相结合的方法分析了火焰的闪动频率,利用圆度和相似度分析了火焰形状的不规则性。然后根据视频火焰检测的一般步骤,并结合火焰的视觉特征,设计了一套火焰检测算法。该算法主要包括三个模块:前景检测、特征分析、特征融合。特征分析模块直接采用了火焰动态特征分析时提出的方法,其他两个模块则对常用的方法进行了改进,采用了更适合于本算法的方法。在前景检测模块中,本文采用了颜色与运动信息相结合的方法。其中,运动目标的提取采用了减背景的背景建模方法,相比传统的背景建模法,这种方法效率更高。而颜色信息的加入则可以排除不具有火焰颜色的运动物体的干扰。在特征融合模块中,本文结合火焰特征的优先级,对大多数投票方案进行了改进,采用了设置权重的投票方案对动态特征判别结果进行融合,并给出最终的检测结果。以本文所提出的火焰检测算法为基础,我们设计了一套智能视频火焰检测系统,并对不同环境下的大量视频进行了测试。测试结果表明,该系统具备实时检测能力,识别率高、误检率低,且具有一定的抗干扰能力,可靠性较高,拥有较好的应用前景。