针对传统火灾探测器在某些特殊场合失效的问题,开发基于安防监控系统和计算机视觉方法的视频火灾探测技术展现出广阔前景。然而,现有的视频火灾探测技术不能有效去除复杂场景中的干扰,容易造成严重的误报漏报现象。本文在分析火焰视觉特征的基础上,深入探讨火焰的运动特征、颜色特征,以及频闪特征的数学建模和图像识别算法设计,提出一种基于多特征融合的视频火焰探测方法。首先,为获取高质量的实时视频序列以便给火焰目标的准确识别提供基础,研究了视频图像的实时采集和预处理方法。其次,基于已有的高斯模型,提出快速高斯混合法对视频序列进行背景建模,以提取复杂场景信息中的运动前景目标,滤除与火焰颜色相近的静止目标干扰。我们根据像素的空间冗余性,以位置交错方式将图像像素分为主动像素和非主动像素,对主动像素建立由多个高斯分布组成的混合模型判定其为前景还是背景,对非主动像素则依据其四邻域的主动像素状态判定,有效降低了算法的空间复杂度;并根据像素的时间冗余性,优化了自适应模型更新方法。再次,进行火焰颜色决策,滤除运动目标中的非火焰颜色干扰物,经形态滤波和区域标记获取候选的火焰区域。在收集大量的火焰图像基础上建立了火焰像素样本数据库,通过采用分离火焰图像颜色通道的方法,重构火焰像素的二维和三维分布特征,结合理论推导及经验公式拟合等方法,在RGB和HSI颜色空间设计了有效的火焰像素颜色模型,建立了新的火焰颜色判据。最后,研究火焰频闪特性,建立基于统计分析的实时频闪模型,最终判定候选区域是否为火焰区。提取了燃烧实验的图像特征量,并进行离散时间傅里叶分析,获得了与Pagni经验公式计算值相一致的图像特征量主频率,验证了火焰的主频范围在10Hz以内,并在此基础上提出了基于相邻像素亮度变化的统计规律描述火焰频闪行为的频闪模型。以探测方法的实际运用为目的,本文构建了基于多特征融合的视频火焰探测系统原型,提出了系统的硬件设计方案,并基于VC6.0开发了软件平台Firedetect。为测试系统的性能,利用多种不同场景的视频录像和西藏多组实验重点分析了探测速度,探测率和处理速度。结果表明,本文提出方法对多种火灾和非火灾场景具有较好的适应性,探测率高,基于AMD 2.04GHz及1G内存的计算机,对320×240视频序列的处理速度达到每秒24帧。