火灾是最常见的灾害之一。一旦发生火灾,就会造成大量的人员伤亡以及重大的经济损失。因此,在火灾初期进行准确且快速的火灾识别具有重大的现实意义。随着计算机技术的不断发展,基于视频的火灾识别技术得到了广泛的关注。但目前基于视频的火灾识别方法仍存在误报率高等问题。针对以上情况,本文提出一种基于多传感器融合的火灾识别算法,并设计搭建了相应的系统平台对该方法的有效性与应用性进行了验证。本文首先分析了可见光与红外图像的特征差异。在此基础上,研究常用的视频火灾识别技术,包括各种图像预处理方法、前景提取算法、机器学习和深度学习算法。其次,针对单一视频探测能力不足的情况,本文提出一种基于多传感器融合的火灾识别算法。基于红外视频,采用基于Otsu阈值分割的前景提取算法分割疑似火灾区域;再从动态和静态两个角度研究了火灾图像视频的主要特征,包括圆形度、矩形度、偏心率、面积变化率和Hu矩等;最后采用了一种基于多特征融合的SVM火灾识别方法。基于可见光视频,提出一种混合动态检测和颜色检测结合的新方法。该方法可以准确提取图像中的疑似火灾区域,实现疑似目标定位;最后,针对火灾数据集较小的问题,提出一种基于改进MobileNetV3的深度迁移学习方法,提升网络模型对于火灾特征的识别能力,并利用该网络模型进行火灾识别。在此基础上,通过集成红外图像和可见光图像的信息实现多传感器融合的火灾识别算法。实验结果表明,与基于单一传感器的火灾识别技术相比,本文提出的基于多传感器融合的火灾识别算法具有更高的准确率和更低的误报率。最后,基于所提出的多传感器融合火灾识别算法,设计并物理实现了一套火灾识别系统。通过嵌入式系统传输视频图像到PC端进行火灾识别处理,判断是否发生了火灾,并可在PC端进行实时图像显示。另外,嵌入式系统可实时检测温度和烟雾浓度信号,为人工介入判断提供可靠的辅助信息。实际案例测试表明,该系统人机交互友好,易于实施,检测准确度和可靠性高。未来可以通过将核心算法部署在云端,实现对更大规模系统的火灾实时监控与报警。