火灾是一种频发性自然灾害,在火灾发生早期进行报警,是减少火灾造成损失的关键,因此火灾探测技术具有重要的研究和应用价值。视频火灾探测技术具有探测范围广、抗干扰能力强、智能化程度高等优点,尤其适用于传统火灾探测效果不理想的室外和高大空间建筑环境中。其中基于嵌入式设备的视频火灾探测器具有实时性好,系统布置灵活等优点,是视频火灾探测产品的主要发展方向。目前国内市场上存在的视频火灾探测产品只能探测视频中的火焰目标,而且采用模拟视频输出,与主流的视频监控网络不兼容,没有得到大范围应用。而视频火灾探测技术的学术研究多着重于理论和计算机平台上的算法创新,较少考虑到在嵌入式设备中的应用。针对这一现状,本文提出一种基于火焰和烟雾视频识别的智能火灾探测器设计方案,该方案基于嵌入式ARM平台和Linux系统,采用网络摄像头作为视频采集设备,在此基础上设计了火焰和烟雾目标识别算法并进行了软件实现,同时实现了网络摄像头的视频传输功能,从而实现实时火灾视频探测。本文的主要研究工作如下:首先,本文在研究以往火灾前景目标检测算法的基础上,结合使用基于vibe背景建模的运动目标检测算法和颜色过滤算法得到火焰和烟雾目标图像,与传统的单一处理方法相比,能够过滤掉更多的无关干扰目标,同时目标边缘更加清晰,从而更加准确的提取目标特征。其次,本文在研究视频火灾探测技术的常用算法基础上,提出了一种融合图像静态和动态特征的火焰和烟雾特征提取方法。该方法首先利用运动目标检测和颜色判据筛选出疑似目标,然后将一段连续帧的疑似目标图像叠加,构建目标图像在时间轴上的投影,最后依据投影图像的颜色分布提取静态和动态特征。视频序列在时间轴上的投影图像不仅能够反映出目标图像的颜色和形状,而且也反映出目标图像的运动变化。与传统的动态特征提取方法相比,该方法能够减少火焰和烟雾的不规则运动带来的干扰,提高特征的稳定性。最后,本文搜集火灾和干扰视频组成样本集,并提取其中火焰和烟雾目标组成特征库,设计SVM多分类器并利用特征库测试集中已分类的特征对分类模型进行训练,从而实现火焰和烟雾目标的同时探测。验证集分类结果表明,分类器对于火焰和烟雾目标识别准确率较高。本文在Visual Studio平台上利用Open CV计算机视觉库对算法进行了软件实现和测试,然后在Linux平台中对软件的源文件进行了交叉编译,并移植到嵌入式ARM平台中运行。软件测试和硬件运行结果均表明,本文提出的基于火焰和烟雾视频识别的智能火灾探测器能够对视频中发生的火灾进行探测,具有广阔的应用前景。