随着社会经济的发展,生态环境日益恶化,森林面积不断减少,与此同时,森林火灾进一步侵蚀着宝贵的绿色资源。当然,火灾已经不仅仅是一种自然灾害,它普遍存在于人们的日常生活中,严重危害着人们的生命财产安全。因此,多年来科学家一直研究火灾的防护与监控。早期的火灾探测器主要基于传感器,近些年来,随着电子计算机在视频领域的研究应用,基于视频的火灾识别系统迅速发展。火灾检测算法有很多,主要有以下几种：(1)从火焰的颜色空间特点来检测火焰区域,如基于RGB和HIS颜色空间；(2)基于概率分布的火焰区域检测算法,如基于高斯概率分布；(3)利用提升小波算法来检测火焰区域边缘；(4)基于聚类技术的算法等等。在火焰区域特征检测算法中,主要检测下面几种特征：早期火焰的区域增长特征、区域中心点特征和边缘特征等等。针对火焰验证部分,高效准确的算法主要有神经网络算法、遗传算法和支持向量机算法等。本文首先介绍典型的火灾识别算法,然后提出两种火灾识别算法,一种是基于矢量量化(VQ)的火灾识别算法,另一种是基于火焰边缘的火灾检测算法。针对传统的基于机器学习的火灾识别算法复杂度高、无法同时实现火灾的低误报率和高识别速度的统一以及没有对火灾的严重程度给出评估的缺点,提出基于矢量量化(VQ)的火灾识别算法。该算法在线火灾检测之前首先要生成码书,在这里训练集是来自不同场景和条件下的10个视频,应用LBG算法分别生成火焰码书和非火焰码书,其中火焰码书标有火焰等级信息,并且将两个码书按照均值升序的方法合并成一个码书。在线检测部分,我们采用EEENNS算法来实现码字搜索,找到匹配的码字并且记录下火焰等级。然后采用动态点检测算法检测图像火焰部分是否为动态点。最后我们通过对连续视频帧中不同级别的火焰点数目的变化特征来验证火灾。在实验结果部分我们采用25个不同条件下的视频来验证我们算法的有效性,达到93.3%的正确检测率。边缘信息作为一个物体存在的主要特征,在很多特征识别领域中起到重要作用。由于火焰边缘特征随着火焰发展在不断变化,因此本文提出通过其变化程度来判断火灾的早期火焰检测算法。本算法主要包括三部分,候选火焰帧选取,火焰区域选取和基于边缘的火焰验证。第一步基于帧选取规则提取出有可疑火焰的图像,第二步将火焰帧中的可疑火焰区域提取出来,并且采用腐蚀膨胀的方法去掉火焰区域的噪声点,进一步通过填补移除小区域使火焰区域完整化。最后一步将提取出的火焰区域基于Canny边缘检测算法检测出火焰边缘,然后根据火焰边缘特征(比如周长面积的变化,边缘圆周度的范围)最终判断火灾。经过大量实验,本算法对于不同条件下的视频均表现出很好的有效性。