火灾每年造成巨大的生命和财产损失,因而火灾检测技术在现代社会扮演着越来越重要的角色。准确而快速的检测不仅给被困人员和财产的安全转移留下更充足的时间,也使消防人员可以在灾情可控的情况下实施扑救。基于计算机视觉和图像处理的火灾检测方法相比于传统方法,不仅在大范围空间内也能提供快速且准确的检测结果,而且几乎不受环境变化的影响。此外,还可以合并到现有的监控系统,减少财政支出。由于具有上述优点,基于图像处理的火灾算法研究近年来成为研究热点。本文针对现有火焰检测算法所存在的检测率较低和误检率较高的问题进行了研究,主要工作如下：(1)本文从类间距离最大的标准出发,从理论上证明了在颜色模型相同的情况下,RGB空间的分类效果优于Ycbcr空间,为火焰颜色模型颜色空间的选择提供了依据。(2)在前景检测阶段,通过前后两帧亮度变化程度计算出每个像素的前景度；在区域分析阶段,应用高斯混合模型理论建立火焰颜色模型,计算出像素属于火焰颜色的概率。综合前景度与火焰颜色概率,得出该帧图像的火焰显著性地图,避免了前景检测阶段和区域分析阶段分别进行硬判决带来的误差传递。(3)空间金字塔直方图可以一定程度上反应物体的几何形状特征。通过计算前后两帧对应部分空间金字塔直方图间的距离,可以描述该部分对应物体的形状变化程度,以此来描述火焰形状随时间快速变化的特性。此外,还将隐马尔可夫模型应用于判决阶段,以综合多帧信息,得出更为准确的判决结果。该算法可以有效减少移动的火焰颜色干扰物造成的误检。(4)提出基于小波变换和模糊支持向量机的火焰检测算法。该算法对图像做二维小波变换,提取像素点若干帧的小波系数平方和作为特征向量,并应用模糊支持向量机作为分类器,判别是否为火焰区域像素点。该算法对噪声、干扰物等具有较强的鲁棒性,并且当训练数据包含异常值时,仍然具有较好的分类效果。