火灾是当今国内外发生频率高、危害比较大的的灾害之一,它的存在严重威胁了人类的的生命财产安全,也造成了整个社会的经济损失。所以及时、准确的检测到火灾的发生是一件对社会进步非常有意义的事。但是传统基于感光感烟等的火灾探测器不仅受环境影响较大,而且还存在存在响应速度慢、误检率高等问题。随着人工智能与图像处理理论研究的加深与视频监控设备的普及,越来越多的目光聚焦到了使用计算机视觉来检测视频火焰的方式上。本文针对传统火焰颜色检测上存在的模型简单,检测火焰类型单一的缺点,在假定火焰区域像素点各通道是相互独立的条件下,提出一种基于RGB颜色通道的高斯分布模型,并基于概率学知识推导出该模型的置信度。根据火焰图像R通道像素值分布在其平均值周围的不对称程度定义一种火焰图像的偏度。根据人类视觉系统的选择性注意机制在不需要训练的情况下能快速地定位到图像中的显著物体上,本文引入了自下而上的视觉显著性概念,先从视频帧序列火焰图像中求得图像的局部显著性,全局显著性这两个初阶段图像特征图谱,然后对这两个求得特征图谱进行加权融合,得到的综合火焰显著性图来表征火焰的候选区域。接着利用火焰的颜色特征模型对候选区域进行判断,用累计帧差算法排除与火焰有相同颜色的其他显著目标。最后提取火焰的空间结构,区域几何等特征,用支持向量机进行最终的分类判别。实验结果表明,本文提出的局部显著性,全局显著性融合的算法能够在复杂背景下比较快速的提取出火焰候选区域,提升了识别效率。本文所提出的火焰图像的置信度与偏度也能比较准确的描述火焰特征。多个特征下用支持向量机进行火焰判别效果良好,在常规的火焰视频中能成功的排除干扰,正确的识别出是否存在火焰区域。