火灾是严重威胁公众安全和社会发展的主要灾害之一,人类能够对火进行合理的利用和有效的控制,是文明进步的一个重要的标志。为了能够更快更准确地识别出火灾火焰,尽可能地减少火灾对人类造成的危害,则需要研究比传统的火焰检测方法更加有效的方法。目前,国内外学者利用日益成熟的计算机视觉和图像处理技术致力于火焰检测方面的研究,成果显著,但仍有问题需要进一步解决。本文将采用这两种技术对视频火灾火焰检测系统进行研究。主要内容有以下几方面：(1)对候选区域图像进行中值滤波去噪处理、使用帧间差分法对运动区域检测、形态学处理,对比Sobel算子、Roberts算子及Canny算子这三种边缘检测方法的效果图,发现Sobel算子的边缘检测效果较好,这样就进一步确保了在后续提取的火焰特征数据的有效性。(2)对火灾火焰的一些显著特征进行研究,主要研究火焰的颜色特征、闪烁频率特征、圆形度特征和尖角特征,提取四种特征数据为下一步的模式识别提供样本数据。(3)使用基于支持向量机的模式识别算法对火焰特征数据进行训练得到火焰识别模型。为了得到较准确的火焰模型,以提高火焰识别的准确率、降低误报率,本文使用遗传学算法(GA)、粒子群算法(PSO)及人工蜂群算法(ABC)对支持向量机的惩罚因子c及核函数(RBF核函数)的参数g进行优化,研究对比三种算法的优缺点,选择识别准确率高的算法作为支持向量机的优化算法。(4)基于TMS320DM8168设计火灾火焰检测系统。基于DM8168的软件开发环境,构建了视频输入、处理、输出数据链路,并实现了火焰识别算法中主要显著特征在DM8168中的移植,实现对火焰实验视频的检测。