火灾作为一种发生频率较高的多发性灾难,有着蔓延速度快、破坏性强的特点,严重威胁人民群众的生命财产安全。因此,及时检测到火情并进行预警,给疏散救援争取宝贵时间,对火灾的防治和保护人民生命财产具有重要意义。随着计算机视觉技术的发展和普及,基于计算机视觉的目标检测技术发展迅速。与传统的基于传感器的火灾监测技术不同,基于机器视觉的火灾监测技术需要使用的设备更加简单,检测精度更高,实时性更强,更加不容易受到环境的干扰,能够有效减少传统火灾传感器的误检和漏检的情况。本文以无人机作为视频采集载体,基于计算机视觉对火焰检测算法进行了研究,完成的工作主要如下:（1）提出了一种基于改进像素直方图的火灾烟雾检测方法。通过灰度值的不同拆分图像,对图像中不同模块的背景模块进行提取,再将其整合成原始图像背景。之后通过对烟雾背景模糊特征的提取,将背景图像模块和烟雾图像模块下的能量值进行对比,设定相应的阈值进行烟雾模块提取。实验结果表明,该算法提高了烟雾检测的准确率,降低了误检度,有很好的准确性和鲁棒性。（2）提出了一种基于YOLOv2的火焰检测与识别的方法。首先创建了一个不同场景下的火焰数据集,对火焰区域进行标注,然后针对YOLOv2算法中对小目标检测性能不佳的缺点进行了改进。在不牺牲检测速度的前提下,提出了一种YOLOv2-Fire的火焰检测算法。实验结果显示,该方法的m AP达到82.75%,平均检测精确率比YOLOv2提升了6.15%,检测速率达到94帧/s,具有较强的鲁棒性和实时性。（3）搭建了一个无人机火灾检测系统平台,针对火灾初期的现实情境,进行算法验证。将上文提出的火灾检测算法进行整合,搭载到无人机系统中,通过对无人机板载计算机的远程控制,进行视频的实时采集并对其进行检测,最终对算法结果进行总结验证。