火灾一直威胁着人类生命和财产的安全,提前检测出火灾并发出预警信息一直是一个重要的研究课题。近二十多年来,随着科技的快速发展,基于视觉的火灾检测技术成为预防火灾的一个主要研究方向。基于视觉的火灾检测运用监控视频可以得到更丰富的信息,抗干扰能力更强,适用的区域也更广泛。然而目前基于视觉的火灾检测的研究工作主要是对于已经燃烧起来的火焰进行分析,还没有学者针对初期的火苗进行研究。在公交车、加油站、易燃仓库等场景中,一旦出现火苗,就可能会造成不可估量的损失。根据这些特殊场景的需求,本文针对室内场景的火苗视频,研究了火苗的静态特性与动态特性,提出了一套完整的火苗检测方法。通过不同场景的火苗视频进行测试,本文提出的方法有较低的虚警率和较高的准确率。本文的主要研究内容有:(1)研究了静态火苗的颜色特性与轮廓形状特性。分析了火苗在不同颜色模型下的统计特征,利用火苗的颜色特征分割火苗图像,对比分析火苗图像在不同颜色模型下的分割结果,得到最佳的表示火苗的颜色模型。应用链码得到火苗边界信息,然后用傅里叶描述子、Hu不变矩特征表述火苗的边界形状,对比分析了傅里叶描述子与Hu不变矩特征表述火苗边界的可靠性。(2)研究了火苗视频中的运动目标检测。火苗有其独特的运动特性,火苗出现时可以看作是运动目标,火苗出现后,又是静止不动的。针对火苗运动的特性,提出改进型的帧间差分法检测运动目标,去除大量与火苗颜色相近的背景信息。(3)研究了火苗的帧间动态特征。火苗是一个具有稳定的形态的目标,帧间的火苗具有连续性,火苗在帧间检测出的坐标位置具有相关性。通过对比帧间火苗位置的信息,可以验证火苗判别的正确性。(4)应用支持向量机的分类方式判别火苗是否存在。通过在不同场景拍摄的火苗视频获取大量火苗样本图像与负样本图像,运用支持向量机对正负样本进行训练,然后用测试样本验证火苗判别的准确性,测试的结果表明有较高的识别率。