安全是核电的“生命线”,国家对核电的要求是“必须绝对保证安全”、“安全大于天”,“安全至上”已铭记在每个核工业者的心中。在众多威胁核安全的因素中,“火灾”具有非确定破坏性,一旦发生,其影响面往往难以估量。然而在不规则的大空间或有灰尘、潮湿及辐射的环境中,传统火警探测器存在明显弊端,因此寻求一种非接触式,具有检测速度快、鲁棒性强,能适应于开放性空间的火灾探测技术显得非常迫切。基于视频的火灾检测技术利用图像处理、特征提取及模糊识别等技术可以很好的解决这个问题,能使火灾探测系统的鲁棒性、有效性和及时性均有很大的提高。本文主要研究内容如下：(1)因地制宜的分析某核电站在室外、高大空间、潮湿及辐射环境下,传统火灾探测系统所存在的局限性；梳理了存在安全隐患的区域,并对视频探头分布进行规划且制定了网络结构拓补图。以现有探测系统为主体,讲明两者的融合方式,方案体现了集中处理、分散控制的理念,为接下来的软件识别提供了硬件基础。(2)图像的预处理。考虑到电磁干扰、光照突变等因素,采集到的视频不同程度的存在噪点,故本章详细介绍了直方图均衡化处理、均值滤波、中值滤波、Kalman滤波及数学形态学处理等基本方法,经过算法的测试比较,选取降噪效果和保留图像原始细节最好的方式。(3)在火灾的特征方面,首先分析RGB颜色、HSV颜色空间模型,针对火焰动态特征的情况,分析了火焰的面积变化、高度变化、边缘变化和整体移动等特性,同时根据火焰的静态与动态特征共同构建一个火焰特征模型；烟雾的特征方面选取了面积变化率、颜色特性和纹理特性等三个特征作为识别依据,能够对常见干扰物体进行有效的排除。在图像目标的提取分割方面采用混合高斯背景建模和三帧差分法相融合的方式,效果良好。(4)提出基于最小二乘支持向量机(LS-SVM)的火灾检测与识别算法。利用提取出的火焰和烟雾特征,充分利用特征上下文信息,首先对火灾的颜色特征进行判断,识别火灾的主体成分为火焰还是烟雾,从而调用合适的支持向量机火灾识别模型。在干扰排除方面,针对现场实际情况,主要选取了行人、灯光、太阳、大雾等方面的视频,进行支持向量机的反向训练,使该算法可以快速排除核电站特殊环境下的干扰信息,提高火灾检测系统的准确度。实验结果表明,基于LSSVM的火灾识别方案,可根据现场针对性的选取干扰物,有效的克服传统探测方式的缺陷,使系统在保持敏锐性的同时也兼顾了鲁棒性。