火灾具有突发性、破坏大、难以扑救等特点,所以现代建筑内大多铺设有感温、感烟等传感器以尽早发现异常情况并应对。但伴随着国民经济的迅速发展,生活和工业用火越发频繁、现代建筑及电气设备更加复杂,使得现有传感检测设备越来越难以应对新的消防形势,因此,消防问题现在变得日益严峻。在此背景下,本文基于计算机视觉技术对火灾图像信息提取、火灾检测和预警问题进行了研究和改进,并基于此研究搭建了一种消防系统,最大程度减少火灾带来的威胁。本文主要工作如下:(1)在火灾检测前利用OpenCV工具包对图像中的火灾信息进行提取,通过疑似火灾区域提取和火灾特征提取,得到可用于分类的数据集。其中,针对现有RGB火焰颜色模型易受亮度干扰的问题,利用HSV和YCbCr模型分离亮度和颜色信息对火灾颜色模型规则进行改进,并结合去噪预处理、GMM移动区域提取和形态学处理使疑似火灾区域的提取更加精准;通过分析火灾视觉特征及其对检测结果的影响特点,选择了抗干扰效果好且耦合小的适量火灾特征进行提取方法设计,提取出的火灾特征为下一步的火灾检测提供了判断依据。(2)针对现有视频火灾检测研究中重视火焰检测而忽视烟雾及阴燃火检测的问题,设计了一种基于SVM调优与阈值法改进的火焰和烟雾并发检测方法。通过对SVM核函数选择、模型参数调优并训练后用于火焰的检测;通过对传统阈值判别方法进行改进,解决了其泛化能力弱的缺点,并用于烟雾检测;通过对现有火灾预警机制中存在问题的分析,提出了一种改进的火灾预警机制。实验表明,所提火灾检测算法能够有效提升检测准确率、降低误报率和减小反应时间。(3)搭建了一种基于计算机视觉与智能小车的消防实验系统。该系统由火灾检测及预警系统和火灾协同救援平台两个子系统构成,共同实现火灾检测、预警和救援功能。火灾检测及预警系统由集成了OpenCV的C++MFC程序开发,可以对视频监控现场和本地视频进行实时火灾检测,出现火情后会同时进行检测后台预警和远程短信预警;基于智能小车和Andriod App实现的火灾协同救援平台可由火灾指挥员和被困人员协同调用,智能小车搭载需要的模块进入火灾现场完成侦察、定位和运送物品等救援任务,从而保障消防员的安全,提高救援效率。