计算机视觉是近年来在国际上引起了广泛重视的前沿研究领域，它发展并推动了相关学科的交叉融合，同时也为信号处理带来新思想、新方法。计算机视觉所研究的对象，简单地说就是研究如何让计算机通过图像传感器或其它光传感器来感知、分析和理解周围环境。本文以基于计算机视觉的火灾坍塌检测与预警方法为研究目标，通过对钢结构建筑物视频图像的特征区域进行深入分析，提出了一种弱运动场景下的镜头分割方法，并且基于概率图模型进行视频的多目标跟踪，采用粒子滤波算法进行烟雾滤除，采用HOG特征、金字塔算法进行特征描述并采用SVM方法进行人体区域的识别，排除人体运动的干扰。镜头变化产生瞬时大量的运动信息和色彩化信息，仅用直方图帧差法容易受到光照等影响使得判断的准确度降低，而仅用光流法使得计算的时间复杂度增加。通过分析采集的钢结构在燃烧试验下变形运动的视频数据的特点，提出了一种基于弱运动场景下的镜头分割算法。原理是首先计算两帧直方图的差值，差值大于一定的阈值再通过光流法计算视屏中的运动信息，运动信息量大于该阈值时，表明存在镜头切换。目标跟踪是一个在智能检测和控制领域非常重要的专题研究，在目标跟踪的许多方面，粒子滤波器已成为主要的目标跟踪算法。针对常见的颗粒滤波器处理视频多目标跟踪的局限性，将概率图模型引入视频多目标跟踪的分析，研究目标被遮挡跟踪中的目标不确定性。在数据关联方法的基础上，采用多目标建模和分析颗粒过滤器框架的目标关系的概率图模型，即联合数据关联算法，对闭塞视频中不确定的多目标的变化进行处理，增强数据边缘，提取目标特征。本课题的研究把监控系统传回的现场画面用于火灾识别，从而可以把传统的独立火灾检测设备从钢结构建筑物剥离，既可以释放更多空间，对于钢结构建筑物综合管理提供有意义的借鉴和参考。