我国大中城市居民居住方式主要以高层建筑为主,高层建筑由于人员相对集中,空间小,一旦发生火灾,居民的生命安全、经济财产都将面临严重考验,如何在火灾的前期快速识别与消灭火灾成为目前重点研究的问题。本文针对实际家居环境,研究一种以物联网云平台为基础,结合多传感器数据融合技术与火焰图像识别技术的智慧家居火灾监控系统,旨在实现对火灾数据实时监控的同时提高系统对火灾识别的准确性,并解决系统实时性及可靠性问题。本文主要研究工作如下:（1）研究了One NET物联网云平台的功能、资源模型及通信协议,并对系统涉及到相关技术的工作原理和实现方法进行了研究分析,为后续系统的开发设计奠定基础。（2）针对单传感器系统容易导致火灾误报、漏报的问题,提出了以STM32为核心处理器,通过对温湿度、火焰、烟雾和摄像头等模块的电气特性、工作原理及电路原理的分析,搭建多传感器硬件采集系统,实现对多火灾因子数据的采集,并结合Esp8266模块和继电器模块,实现与One NET云平台间的无线通信和远程设备的控制。（3）基于STM32固件库设计了各硬件模块的初始化程序、数据采集程序、通信程序和继电器控制程序等;基于EDP协议完成了传感器、预警信息、命令信息等数据封装和解析程序的设计;基于One NET云平台的部署实现了数据的存储、监控、预警等功能,并由UI应用控件,实现了数据的可视化展示及控制命令的下发。（4）针对系统存在的可靠性问题,提出了基于DS证据理论的改进融合算法,解决因传感器故障或者噪声干扰而引起的火情误报、漏报的问题,并对DS证据理论改进融合算法在火灾系统应用中,存在的火灾特征量的选取、多传感器数据归一化、基本概率函数的获取问题做进一步分析研究,最后通过算例分析,证明了基于DS证据理论的改进多传感器数据融合算法,对于提高系统的准确性、稳定性及可靠性的有效性。（5）针对系统实时性不足的问题,提出了火焰图像识别技术解决方案,首先利用帧间差分法对疑似火焰区域进行分割,并对图像做数学形态处理去除干扰噪点,提高图像质量,通过实验分析发现,帧间差分法在处理多个运动物体的场景时存在抗干扰性不强的问题,结合火焰特征识别算法对图像做进一步处理,虽然可以得到较好的效果,但是对于具有类似特征的光源还是无法区分,因此提出了一种基于Ada Boost级联分类器的算法,通过机器学习训练的方法,提高火焰识别的准确率与及时性。（6）通过系统测试证明,系统整体功能运行正常,系统的可靠性、实时性及实用性达到预期目标。