目前基于视频的火灾检测技术作为一种辅助手段受到越来越多的关注，与传统的火灾检测技术相比，具有实时性好、抗干扰性强、可视化和成本低等优点。本文针对隧道中的火灾视频进行相关的检测技术研究。本文以隧道交通场景中的火灾事件为研究对象，主要研究火焰和烟雾目标识别算法的设计和具体实现过程。本文的火灾检测算法主要分为背景提取与更新，烟、火候选区域定位，火焰特征分析和烟雾特征分析，基于Adaboost的分类器设计，每部分所做的工作与创新简述如下：1、背景提取与更新：在统计直方图法的基础上，首先确认直方图最大值对应为背景的置信度和其它极大值对应为背景的置信度，选取置信度高的作为背景。为了提高背景的可靠性，同时采用基于块稳定性的背景更新算法对背景进行更新操作，以SAD作为衡量块之间相似程度的准则，对背景块进行加权更新。2、烟、火候选区域定位：在获取可靠的背景之后，采用背景差分法进行运动目标检测，同时进行块二值化。为了提高后期处理的效率，对提取的运动目标进行预处理，排除一些干扰区域，将目标进行连通域标记，排除面积小的目标，根据火焰和烟雾目标的特点，利用灰度统计一致性和运动累计特性对目标进一步筛选。3、火焰特征分析：对于提取出的火焰疑似区域，针对火焰的面积增长特征、频带特征和圆形度进行分析。4、烟雾特征分析：对于提取出的烟雾疑似区域，针对烟雾的高度特征、纹理特征和运动主方向特征进行分析。5、火灾分类器设计：将提取出的烟、火各个特征分别作为一个弱分类器，利用Adaboost算法将弱分类器拟合成强分类器，实现对火灾的快速检测。通过对不同的隧道交通场景进行实验，本文设计的火灾检测算法能够较为准确有效的检测出火灾事件，表明该算法具有良好的可靠性和适用性，同时满足系统的实时要求。