火灾不管是人为纵火还是自然发生,它的破坏都是毁灭性的,严重威胁着人类的生产生活和自然的生态平衡,由此可见,对火焰检测识别研究必不可少。当下,大多数的火焰识别都借助各类传感器来完成,如:光敏传感器,燃烧气体传感器以及烟雾颗粒传感器等。但是,这些传感器都有着信息失真严重,实时性以及稳定性较差的缺点,因此本文提出了视频中火焰的检测与识别方法来解决上述传感器的不足。本文介绍了课题视频中火焰的检测与识别方法研究背景意义及目前在国内和国外研究情况,提出了自己的研究内容,主要分成四个部分:火焰视频的分割和基于颜色特征的关键帧提取、图像预处理、图像的特征提取和多特征融合火焰识别。选用了基于颜色视觉内容的关键帧提取方法,对传输回来的视频进行视频分割和关键帧提取,获得目标图像。对提取的关键图像进行图像预处理,采用双边滤波算法,保护高频细节的效果明显比高斯滤波要好;同时利用中值滤波算法,滤除孤立点噪声的同时,但是考虑到传统的中值滤波容易引起噪声点的扩散和去除不尽,因此在进行中值滤波前,对要处理的图像边缘先进行确定,实验表明这种方法达到了抑制噪声效果。对预处理后图像进行特征提取,本文提取了图像的静态特征:反差、能量、圆形度;以及动态特征:尖角、面积变化、频闪特性。通过分析判断,这几种特征都能较好反映火焰的特性。将前述特征融合到支持向量机和模糊逻辑算法,分别对目标图片进行识别分析,结果显示支持向量机在识别速度以及识别准确率上都优于模糊逻辑法。