火灾一直是威胁人类生产生活的主要灾害之一。在现代社会中,随着科技的发展,引起火灾的原因逐渐增多。如何自动快捷有效的预防火灾就成了更加迫切的需求。传统的自动火灾预防措施主要是基于传感仪器的检测,传感仪器利用了火焰的物理特性,如烟雾、温度、光强度等,通过对火焰物理特性的感知,得到火焰信号并报警,由于在小空间范围适应较广泛的特点,成为了火灾检测重要手段之一。同时传感器也有着不可回避的问题,如当火灾区域距离传感仪器较远时,传感器的信号会变得十分微弱,并且精度较高的传感器的造价十分昂贵等。因此人们迫切需要一种检测方位广准确率高、造价成本低的火灾检测技术。基于视频的火灾检测技术是集计算机视觉、人工智能、模式识别和信号处理技术等多种知识集的检测技术,具有不受距离的影响,精度较高等优势。由于其使用较小设备可以覆盖较广范围且造价相对较低的特点,成为了火灾监测领域内新的关注点和发展方向。本文对火焰图像在空域下的特征进行提取和分析,构建关于火焰的识别模型,完成对火焰进行特征的匹配及检测。首先通过本文提出的前景检测方法即自适应的前景检测方法与火焰颜色模型相结合的方法得到视频中的运动前景区域,之后对得出的运动前景区域通过特征的分析进行过滤,建立识别模型,将其与实验得出的标准识别模型相比较得出匹配结论,并最终确定识别结果。识别模型的建立,主要依据了火焰的一些基本特性,包括颜色特征,火焰区域尖角特征,波动性特征等,本文通过实验分析将这些特征归类为判定特征和验证特征,通过判定特征对疑似火焰区域进行判定,用验证特征对得到的火焰区域进行验证。波动性特征是当前火焰检测算法对火焰特征的提取中关键的属性,但是大多数波动性算法只注重了局部信息即像素点的波动,没有考虑到火焰的整体波动情况。本文提出了一种基于火焰外焰区域波动性的算法将火焰外焰区域的波动性特征提取并计算,为火焰识别提供了进一步的特征保证,同时根据特征建立了关于火焰区域的识别模型,降低了火焰检测的错误率及漏检率。最后通过实验证明了本文的火焰检测方法具有识别率高、错误率少的特点,能够更好的对火焰进行识别。