火灾探测技术是机器视觉应用的一个重要方面。与传统的火灾探测技术相比，这种方法更加直观、准确、便于组网、宜于在高大空间中使用。本论文主要针对日常生产和生活中发生的火灾，对其火焰图像进行分析，找到识别的方法。对日常生产、生活中发生的火灾进行观察和统计，发现其亮度相对于非火焰区域要高且火焰颜色偏红。于是本论文首先研究火灾火焰的红色饱和度和平均亮度，发现二者值的大小都有一定的规律。在此基础上本课题结合图像相减方法和红色饱和度、平均亮度方法来提取火焰。目的是减小背景噪声的干扰。既然火灾火焰有如此显著的特点，接下来具体分析得到的火焰图像的颜色特征。研究其R分量和G分量在相对颜色二维空间的分布，发现火焰图像的分布情况相对于非火焰图像的分布具有明显的规律。其R分量和G分量都集中分布在一定的区域。拟合出R分量和G分量区域的边界曲线。由于火灾火焰在时间上的发展性和跳动性，本课题针对这两点提出了面积变化判据和尖角判据。计算连续四帧失控火焰图像中火焰区域的面积，做出比较，发现其逐渐增大。而稳定火焰则不具有这样的特点。对提取到的火焰图像进行去噪、滤波，而后提取出火焰轮廓图像。对连续四帧火灾火焰图像进行轮廓跟踪，找到轮廓上的尖角，统计其数目，发现早期火灾火焰的边缘尖角数目呈无规则跳动。虽然稳定火焰也具有这样的特点，但其跳动的幅度要明显小于失控火焰。只要找到合适的尖角跳动阈值，就可以加以区分。对于采集到的一组图像，如满足上述条件，则识别为发生火灾。实验结果表明，自行设计的VB程序方法简单、实现快速，识别率能达到90％以上，加以改进，完全可以满足日常生产、生活中的需要。