火的使用,在人类的文明和发展进程中起着至关重要的作用。但对火不恰当的使用,也会导致火灾事件的发生,并对人类的财产和生命造成重大的影响。在传统火灾检测技术中,由于火灾探测器受灵敏度、可靠性和稳定性等因素影响,导致火灾检测结果存在很大的局限性。视频火灾检测技术,作为一种新型智能化的检测技术,因其具有实时性强、检测精度高、抗干扰能力强等优点,被广泛应用于各种火灾场合。如何从视频中提取并判别火灾发生的关键信息成为视频火灾检测技术研究的重点及难点。为此,本文对视频中火灾发生时最主要的火焰和烟气参量进行了检测,主要研究内容有:首先,在研究传统运动检测方法的基础上,提出了结合相邻帧和背景信息改进的运动检测方法。该方法基于三阶中心矩的方法计算背景点阈值,综合帧间差分法和背景差分法,对视频序列图像进行运动检测。为提高检测准确性,利用帧间空域特性消除虚假运动像素点。其次,为进一步提高运动检测速度和准确度,结合ICA算法和FastICA算法,研究了基于GICA算法的运动检测。该算法以视频序列图像的散布图为基础,结合一系列的几何变换方法,实现运动区域和背景区域的分离。然后,为了检测出运动区域内的火焰和烟气,在充分考虑火焰和烟气燃烧过程中特点的基础上,提出了火焰的颜色、形状、纹理及脉动频率特征和烟气的颜色、摇摆和扩散特征的检测依据。最后,对于得到的火焰与烟气判别依据,研究分析了基于简单合成的、基于加权投票机制的以及基于BP神经网络等三种火焰和烟气检测算法,并在MATLAB软件平台下进行实验仿真,发现基于BP神经网络的算法更加综合地考虑了各种指标的融合信息,并通过不断的训练过程,实现更精确的检测效果。本文通过对视频中火焰和烟气检测方法的研究,丰富了视频火灾检测技术的手段,提高了检测算法的准确性,促进了视频火焰和烟气检测技术的发展,并给出了下一步的研究方向。