在火灾的防治过程中,对火灾发生的自动检测与识别显得尤为重要。而传统的火灾探测技术有很多的不足,不仅容易受到环境因素的干扰,也无法记录火灾发生时的情况,为后续的调查带来了困难。因此国内外学者对基于视频图像的火灾识别进行了研究。基于视频图像的火灾识别不仅可以增加火灾探测的速度,还可以记录火灾发生时的情况,同时对于大范围的火灾监控也有着很大的优势。本论文结合相关的知识,探索了火焰与烟雾图像的预处理、火焰与烟雾区域的特征选择提取和火焰与烟雾区域的分类识别,并做了相关的实验。在火焰和烟雾区域特征的选择和提取部分,研究了基于火焰和烟雾区域的协方差特征,通过Relief、PCA等特征选取方法选择适应火焰和烟雾探测的在不同彩色空间和变换空间下的各通道和运动分量的最佳分类特征顺序,并用协方差矩阵验证各特征对分类的区分性贡献率。探索用光流直方图和有向梯度直方图描述火焰和烟雾的时空特征,提出在时空块内对不同通道下的光流直方图的分析,探索火灾区域的梯度方向直方图的静动态特征的描述方法,将HOFHOG和其他特征通过k-means方法构成特征词典。在火焰区域特征和烟雾区域特征的分类算法方面,研究了支持向量机算法和随机森林算法。提出将支持向量机分类和最近邻分类相结合的方法,形成了一种分类器。并对随机决策森林树训练过程中的参数、性能进行了选择和分析,同时探测了火焰与烟雾区域各特征的空间分布和时序关系并由决策森林投票给出更逻辑合理的判断。本文最后综合所涉及的图像处理技术以及实验结果,实验证明基于HOFHOG等融合特征和随机决策森林的分类方法在火灾探测系统中表现出稳定的识别精度。基于上述特征和分类识别的算法,开发了一个适应复杂环境具有较高识别率的火焰与烟雾特征自动探测系统软件包。