计算机视觉既是工程领域，也是科学领域中一个富有挑战性的重要研究方向。近年来，随着图像获取技术的进步和视觉监控与安全方面的迫切需求，视频图像的处理和理解逐渐成为计算机视觉的主流研究方向。计算机视觉在安全监控、智能机器人、医疗诊断、军事和娱乐等领域有着广泛的应用。本文根据隐马尔可夫理论和小波理论，提出了在安全监控领域中基于视频的火焰检测技术。论文主要内容归纳如下： 第一章，介绍了火灾检测技术和方法的国内外研究现状，提出了本文的主要研究内容和方法。 第二章，介绍了火焰的燃烧机理和特性，指出了在图像处理领域可以应用火焰的哪些特性来进行火焰的识别和报警。 第三章，阐述了马尔可夫链、马尔可夫过程的基本概念，详细说明了如何建立隐马尔可夫模型，并就隐马尔可夫模型的三个核心问题：估值问题、解码问题和学习问题给出了传统的求解方法。 第四章，详细阐述了基于隐马尔可夫模型的火焰检测方法。目前基于视频的火焰检测难点集中在如何区分火焰和具有火焰颜色的普通运动物体上。由于火焰的闪烁特性，即其空间位置和内部颜色会发生剧烈的变化，这些变化可以被看作一组随机事件，而普通的具有火焰颜色的运动物体不具备这个特性，因此本章采用隐马尔可夫模型对火焰和普通运动物体进行分析，具备闪烁特性的为火焰，否则被视为普通运动物体，从而提高了火焰检测的准确率。 第五章，重点介绍了小波变换的基本原理和图像的小波变换方法。 第六章，具体阐述了基于小波变换的火焰检测方法。利用时域小波理论，建立二阶小波滤波器，对输入的图像颜色信号进行小波变换，通过对子小波的分析能够有效区分火焰及具有火焰颜色的普通运动物体。为了增加检测的准确率，本章还采用了空域小波变换的方法，对图像的能量进行监测，如果该能量超过了事先设定的阈值，则发出报警。实验结果表明，该方法能有效的检测出视频中的火焰，并能有效区分火焰和普通运动物体，实时性好，错误率低。 最后，对本文提出的两种火焰检测方法进行了总结，并对今后的研究工作进行了展望。