随着国家对于消防安全要求的提高,面对传统消防技术存在检测指标单一、实时性较低和火焰识别准确率不高等问题,视频火焰识别技术成为目前消防安全领域研究的热点课题。本文在详细分析视频火焰技术和特征的基础上,针对由于传统图像分割算法实时性不高且检测准确率较低而导致室内动态视频对象提取不准确的问题,融合了计算机视觉分割技术和多特征识别技术,实现了火焰的快速识别。针对ViBe算法存在“鬼影”消除缓慢以及不能适应光线突变等问题,本文提出一种改进ViBe算法。该算法通过采用七帧差减法更新当前帧分割的图像从而消除由于选取单帧图像做背景导致的“鬼影”;同时改进算法通过设立判断机制,在判断到光线突变时,用自适应阈值代替原有的固定阈值。仿真实验结果表明提出的改进方法不仅能消除“鬼影”而且缩短了算法对突变光线的适应时间。针对火焰区域颜色决策由于采用单一颜色模型而对于不同饱和度的颜色识别不准确问题,提出一种改进的颜色空间模型。该模型将HSI模型融入RGB模型并加入新的饱和度判断规则。仿真试验结果表明:该模型可实现对于火焰中心高亮部分的识别,能有效的排除非火焰目标。针对易错火焰特征识别不准确问题,将卷积神经网络引入原有的特征融合算法,通过建立训练火焰图片集得到训练模型,并将得到的模型应用于火焰的识别。仿真结果表明该方法能提高易错火焰识别的准确率。综合仿真结果可知,融合运动区域分割技术和多特征识别技术能够实现火焰的快速和准确识别。