火灾作为当前频发的严重灾害之一,极大威胁人类生命和财产安全,如何快速准确地识别火灾一直是亟需人们解决的问题。传统的火灾探测技术易受环境影响且误报率较高,而图像型火灾探测技术依据视频图像中提取的火焰或烟雾特征进行火灾识别,具有响应快、识别率高、环境适应性强等优势,正日趋成为研究的热点。本文从视频火焰特征着手,对火灾探测技术中疑似区域的分割和特征量的选取及融合进行了较深入的研究,主要的研究内容及创新点如下:一,结合国内外文献,重点阐述了图像型火灾探测技术的原理、特点以及当前的研究及发展现状。二,依据国外火灾数据库,提出了一种基于RGB颜色空间统计模型的火焰分割算法,结合区域生长以及帧差法,实现了对火焰疑似区域的有效分割,并将该算法与其他颜色模型的分割效果进行了对比。三,着重提取并分析了视频图像中火灾火焰的动态特征和分层特征,其中包括火焰面积变化率、火焰相似度、火焰闪烁频率、灰度差分统计均值、灰度差分变异系数等,通过比较火灾与非火视频相关特征值的差异,论证了以上特征量作为火灾判据的有效性和合理性。四,选取如上的五个主要特征参量,利用BP神经网络进行多特征融合判决,测试不同场景下的火灾与非火视频,实验结果表明本文提出的火焰识别算法具有较好的鲁棒性,可有效识别火灾火焰,排除高亮干扰以及安全火。