对火焰及时、准确地探测和预警对降低火灾造成的生命财产损失有重要意义。相比传统的火灾传感器，基于图像处理的火灾探测方法具有应用灵活便捷、监测范围广泛、火灾信息丰富的优势，得到迅速的发展和应用。本文对火焰在红外图像中的动态特征进行了对比和分析，从火焰的形状变化过程入手，基于目标轮廓的时域分布特征设计了一种基于轮廓序列的红外火焰检测系统，实验表明该方法的查准率可以达到80.5%。所涉及的主要研究工作如下：
　　结合国内外相关文献对不同波段、燃烧环境、火灾规模的火焰特征和火灾探测方法进行了分析，确定了基于无人机平台和红外成像系统的探测方法。在此基础上对图像中的可疑高温区域进行了分割和提取，得到了清晰、稳定的单目标样本序列。
　　研究了一种基于目标轮廓时域分布特征的火焰识别方法，对不同尺度、背景下的火焰和干扰物目标进行了分析，改善了传统几何特征虚警率高的问题。针对红外图像信息单一、静态信息缺乏的问题，对目标的轮廓、轮廓变化过程等动态特征进行了分析和应用。针对火焰轮廓不同区域形状变化过程的差异性，采用一种基于改进K主曲线拟合和离散法向邻域点模板的方法提取了不同位置处轮廓的代表样本点，作为轮廓时域分布分析的依据，将不同位置处轮廓变化的差异性以轮廓分布统计特征的单峰分布模型的形式表现出来。并以此为基础构造了9维的特征描述子，结合支持向量机用于火焰的检测。与几何特征相比，采用本文特征虚警率降低了16.9%。对轮廓变化的局部过程同样进行了分析，基于局部过程的周期性构造了一种补充特征，具有较好的检测效果，但存在应用局限性。
　　研究了一种动态参数的隐马尔科夫模型，对复杂火焰的闪烁频率进行估计。模型将火焰的闪烁过程分为伸展、收缩、积蓄三个阶段，基于火焰的形变范围构造了方向、尺度不变的轮廓形变测度，设计了动态的状态转移概率矩阵。通过该模型对火焰的轮廓序列进行解码，根据其各阶段的周期对火焰闪烁频率进行了估计，具有较好的效果。