火灾是最常见的严重灾害之一,它直接危及人类的生命财产,造成环境污染,甚至生态平衡。目前国内外的火灾自动报警技术主要是基于传感器的检测。但在室外仓库和大型室内仓库等大空间场合中,传感器信号由于空间的巨大而变得十分微弱。即使是高精度的传感器也会由于种种干扰噪声而无法工作。基于视频的火灾检测系统利用计算机视觉、模式识别等多种技术对图像信息进行分析,不受距离的限制,自动识别火灾,及时向系统管理人员发出警报。本文基于普通摄像机实现火焰检测的研究,对火焰特征及其检测算法进行了深入研究。本文提出了把运动目标检测应用于火焰检测的思想,把火焰看作一种特殊运动物体,并结合运动目标检测和火焰的视觉特征分析提取出火焰目标。首先从视频中检测出运动区域,然后根据火焰颜色从运动区域中提取出具有火焰颜色的运动区域。这样就排除了许多具有火焰颜色静止物体的干扰。接下来对火焰特征也进行了研究分析并设计了相应的算法。1、火焰整体移动检测;2、火焰面积增长检测:3、火焰区域尖角检测;4、火焰高度变化检测;5、火焰形状相似性检测;6、利用BP神经网络对这些火焰特性进行识别判断是否有火灾发生,提供预警。目前大多数火焰检测方法要判断是否符合火焰的多个特征,如果有一个特征不符合就认为不是火焰,因为火焰特征比较多,这样就容易发生漏检。本文利用神经网络综合处理检测出的特征以识别是否是火焰,不会因为缺少一个火焰特征就认为不是火焰,同时也使火焰检测系统具有了自学习、自适应等功能。能有效地提高火焰识别率和降低虚警率及漏检率。实验证明,把运动目标检测应用于火焰检测,并采用神经网络对火焰特征进行识别分类方法,识别率高,具有较好的发展前景。