机器视觉技术的发展为图像信息与消防业务工作深度融合、现代消防勤务机制的建立提供了强有力的支撑。本文针对消防通道相关的图像进行了语义信息提取与研究,提出了消防通道占用检测与评价方法,以应对传统消防在管理模式上存在的人力不足、效率低下等问题。通过图像及时发现消防通道的占用情况,以提醒相关人员进行处理进而有效避免由消防通道被占用而导致的危险。本文研究对象第一部分是建筑物重要出口和干道上的消防车通道,另一部分为建筑物内部水平过道类的疏散通道。为检测出消防车通道被车辆占用与疏散通道被障碍物占用两种情况,本文主要完成了如下工作:（1）提出一种基于多尺度特征融合网络的消防车通道占用检测算法。首先光照补偿模块对图像特别是夜晚场景进行亮度优化,在图像过亮或过暗的区域实现像素点亮度局部自适应调整,再使用多个分支提取不同尺度图像的特征,通过注意力机制进行优化,最后进行特征融合。通过语义分割得到目标区域的消防车通道和车辆信息后,综合计算重合区域的百分比,通过与预设的阈值比较实现消防车通道的占用检测。（2）提出了基于目标检测和证据理论的疏散通道占用严重程度的检测方法。首先使用疏散通道图像的目标检测结果进行障碍物尺寸、类别的获取与位置的计算,根据上述关键语义信息进行障碍物宽度影响分析、障碍物位置对于人员疏散的阻碍性分析与障碍物燃烧危险性分析。综合三种语义信息的分析结果,将其进行可靠的数值转化,最终融合多个证据计算出疏散通道占用严重程度的评价结果。经实验验证,在消防车通道占用检测中本文方法能够在不同光照条件下,完成对消防车通道中车辆与消防车通道线框的检测。在相关数据集上白天和夜晚场景检测准确率分别达到了97.0%和85.2%,具有一定的实用价值,能有效降低消防车通道占用检查难度与成本;在疏散通道占用检测中对疏散通道占用严重程度评估准确率达到了70%,为消防通道占用检测系统的设立提供了一定的参考。