如今经济和社会飞速发展,高楼层峦叠起,工业不断壮大,人员和财产过度集中,火灾一旦爆发,必将造成不可估量的损失。与此同时,新的易燃易爆材料相继出现,违规用电引发火灾事件层出不穷,森林起火、工业爆炸时有发生。由火灾引起的公共安全问题越来越被人们所重视,火灾探测技术的发展也随之倍受关注。近年来,智能视频监控系统遍及各行各业,为视频火灾探测技术的发展提供了平台。基于视频的火灾探测技术打破了传统技术的一些限制,不仅能够适用于厂房、机场等大空间场所,而且充分利用现有视频监控系统大大降低了成本。本文就基于视频的火焰检测方法进行了探索和研究。本文将基于视频的火焰检测分为两个阶段:一是火焰候选区域提取阶段,重点研究了颜色特征和显著性检测方法的应用;二是火焰检测识别阶段,主要探索了手工时空特征和特征学习两类方法在视频火焰检测中的应用。论文的主要工作有:研究了火焰候选区域提取方法。基于颜色的火焰区域提取方法侧重探究火焰颜色特征,本文重点研究了 RGB、YCbCr和HSV颜色空间的火焰提取;基于显著性检测的火焰区域提取方法侧重探究了视觉注意机制在火焰检测中的应用,并进一步提出置信度测量以确保火焰区域更加有效。同时文中也将不同颜色空间和显著性检测进行了实验对比和分析。研究了基于时空SURF特征的火焰检测方法。本文将传统的SURF特征描述拓展到时空域,并进一步利用全局颜色直方图特征实现火焰检测。两者的结合充分利用了火焰空间上的静态特征和时间上的动态特征,提出的方法与现有的时空特征方法相比,取得了较好的识别效果。研究了基于卷积神经网络的火焰检测方法。本文将显著性检测方法与卷积神经网络特征学习方法相结合应用于视频火焰检测中。实验结果表明,与局部协方差时空特征方法相比,提出的方法取得了较高的检测准确率和较低的虚警率。