随着信息时代的到来，以数字图像处理为基础的火灾探测识别研究才不断涌现。目前来说，主要是根据火灾火焰图像的可见光辐射特性、面积变化特性、红外辐射特性、纹理特性、轮廓尖角特性、色谱特性以及蔓延增长趋势特性等火焰特征信息来对火灾火焰进行判断识别的[5]。不少专家和学者们在视频图像火灾检测方面都进行了长期研究，也提出了一些行之有效的检测算法。28922
Celik等人提出了火焰的RGB颜色空间模型[6]，但是对于RGB这种机器色彩描述方式，当人们看到一种色彩时几乎不可能准确说出其RGB各分量含量，因此人们通常无法接受[7]；Celik等人还提出了YCbCr颜色空间模型[8-9]。Yamagishi等人提出了利用神经网络来实现对火焰的检测[10]。Phillips等人提出对火灾火焰模板图像进行训练，综合学习所得到的火焰色彩直方图以及适当阈值实现对火焰色彩的判断[11]。Krull等人利用图像的统计信息给出了在灰度图像中提取火灾区域的算法[12]。Liu等人提出了在空间域内对火焰二文图像进行傅里叶变换来检测火焰[13]。Cetin等人提出在视频图像火焰检测中加入小波监测算法，并据此提出了三状态的隐马尔科夫模型来监测火焰[14]。Toreyin等人提出利用火焰轮廓小波变换后的高频分量特性来描述火灾火焰的动态闪烁特性[5]。Ko等人提出利用支持向量机对火灾火焰像素点和非火灾火焰像素点进行区分[15]。西班牙Bosque公司把普通可见光摄像机和红外摄像机结合起来，设计的双波段火灾监控系统可以显著提高火灾识别的准确度。论文网
周锦荣等人提出了针对彩色图像的火灾火焰识别判断算法[16]。李婷提出利用火焰图像的纹理特征进行火灾检测，但没有考虑摄像头与火焰距离较远时的情况，识别准确度不高[17]。宋卫国等人提出根据火灾初期火焰形态的动态特征，通过数字图像处理技术获得相应特性信息，再通过人工神经网络对火焰进行识别，但是该方法需要一定数量的火焰图片进行学习训练，对火焰的识别准确度受训练使用的图片库影响较大[18]。上海交通大学对视频图像火灾探测技术也进行过长期细致的研究，提出许多火焰方法，但是其检测手段大多借助于红外摄像机且对火灾火焰的识别准确度有待提高。中国科学技术大学借助于红外摄像机和彩色摄像机研制了双波段视频火灾探测系统，该系统显著提高了宽阔空间火灾检测的准确度[19]。 火灾探测识别技术国内外研究现状:http://www.youerw.com/yanjiu/lunwen_23963.html