火灾是日常生活中频繁发生的严重灾害,具有极强的破坏性,同时对人们的生命以及财产安全造成严重危害。如何在火灾发生的初期及时探测火灾并报警,同时避免火灾的蔓延向来是国内外研究的重点内容之一。传统火焰检测技术存在检测方法单一、响应时间长、可靠性较低以及无法为后续火灾紧急处理提供有效位置信息等缺点,针对以上缺点,本文基于红外和视觉信息研究了一种新型火焰探测器,新型探测器有效的结合了基于图像和红外的火焰检测技术,同时运用双目定位获取火焰位置,为进一步的火灾处理提供有效的位置信息,本文主要的研究内容分为以下三个方面:首先,针对目前图像火焰检测算法中,在火焰前景提取时,还存在火焰轮廓不完整及抗干扰性较差的情况,本文提出一种新的火焰前景提取算法,将RGB颜色空间模型与HSI颜色空间模型相融合进行粗分割,再通过最大类间方差法(Otsu)进行细分割,利用双颜色空间融合的算法能够提取较完整的火焰轮廓,使提取到的火焰轮廓所受干扰影响程度较小。获得前景图像后进行火焰特征提取,在YCbCr颜色空间中提取火焰颜色特征,以及用灰度共生矩阵提取火焰纹理特征,用于最终的火焰判断。同时提出一种改进的概率神经网络(PNN),将传统PNN中的平滑因子由单一固定值改进为多变量参数,用条件期望最大化(ECM)算法对PNN中平滑因子进行参数优化,再将提取的特征输入改进后的PNN中训练测试。仿真结果表明,该算法具有良好的抗干扰能力,能够提高火焰识别的精度。其次,针对传统火焰探测器无法提供火焰具体位置的缺陷,建立双目成像模型,使用双目摄像头进行火焰位置的检测,为进一步灭火操作提供可靠的位置信息。首先使用棋盘格图片对双目摄像头进行标定操作,以获取摄像头内外参数;然后根据参数对双目火焰图像进行畸变矫正,得到行对齐图像;在图像匹配时,使用SURF算法与FLANN算法相结合进行特征点的匹配,在匹配时增加先验区域约束及左右对齐约束,有效的降低了匹配计算复杂度,同时提高了匹配的准确度;图像匹配完成后,根据三角形相似原理及标定得到的参数计算可得火焰的具体位置信息。实验结果表明,施加约束后的匹配算法有效的提高了图像匹配的效率,同时提高了匹配的准确率,最后得到了较为理想的火焰坐标,获得了良好的定位效果。最后,针对传统三波段红外火焰探测器易误报、高延时的情况,基于LASSO回归,搭建三波段红外火焰探测平台,提出一种应用于三波段红外火焰探测器的具体识别算法,同时进行了硬件电路以及软件程序的设计。在复杂的工业环境中,火焰探测器采集的数据容易受到环境因素的干扰,从而提取到的特征存在高度复杂性。本文利用LASSO回归良好的预测能力、系数压缩能力以及特征选择能力,有效提高了探测器对火焰识别的精确度和灵敏度,同时LASSO回归还具有效率高、预测精度高、解释性强等特性。实验证明LASSO回归相比于传统红外火焰识别算法在准确性、实时性等多个方面都有所提升。