1、火災的發(fā)生嚴重威脅著人類的生命和財產安全，傳統(tǒng)的基于傳感器的火災檢測方法有一定的報警延時和不適用于大范圍環(huán)境等弊端，而基于視頻的方法具有響應速度快、監(jiān)視范圍廣和提供信息多等優(yōu)勢，并且還能利用模式識別和機器學習等最新技術進行分析，因此基于視頻的火災檢測具有重要的研究意義和應用價值。通?；馂陌l(fā)生的初期會伴有火花和煙霧，因此本文將會對基于視頻的火花和煙霧檢測進行研究，主要研究工作如下:
　　(1)對基于視頻的火花和煙霧檢測框架進行了研究

2、，并對框架中前景檢測步驟中常用的檢測方法（幀差法、光流法和背景減除法）進行了對比分析，為了能夠消除前景檢測過程中陰影的干擾，本文將高斯混合模型GMM和統(tǒng)計非參數(shù)SNP方法相結合。
　　(2)設計一個視頻中火花檢測的算法，首先是檢測前景區(qū)域;然后對前景區(qū)域進行顏色特征的分割，得到火花候選區(qū)域，為了進一步提高顏色分割的準確性，使用本文在RGB和YCbCr空間建立的判斷規(guī)則進行綜合判斷;最后對火花候選區(qū)域進行頻閃和顏色變化動態(tài)特征的判決

3、。經實驗結果統(tǒng)計發(fā)現(xiàn)，本文設計的視頻中火花檢測算法能夠得到很高的準確率，并且能滿足實時性的要求。
　　(3)設計一個基于顏色矩的視頻中煙霧檢測算法，首先是將GMM得到的前景和動態(tài)三幀差分法得到的前景進行或操作，以得到視頻幀中的前景對象，并且為了消除前景檢測過程中陰影的影響，引入了SNP方法;然后使用顏色判別規(guī)則對前景區(qū)域進行判別，得到煙霧候選區(qū)域;接著再對煙霧候選區(qū)域使用直方圖和半透明動態(tài)特征進行進一步的驗證;最后對驗證過的候選區(qū)

4、域進行顏色矩特征的提取，并將提取到的特征送入SVM中進行分類判決。經實驗結果統(tǒng)計發(fā)現(xiàn)，本文設計的基于顏色矩的煙霧檢測算法能夠得到很高的準確率，并能滿足實時性的要求。
　　(4)為了進一步提高煙霧檢測的準確率，本文又從圖像暗、亮通道的角度設計了一個基于圖像分離的視頻中煙霧檢測算法，首先結合GMM、SNP以及暗通道的方法來對視頻圖像幀中的煙霧區(qū)域進行檢測;然后對候選煙霧區(qū)域進行分塊，并對每一塊進行煙霧成份的分離，為了加快分離的速度，本