火灾是一种不受控制的燃烧现象，它所造成的危害特别大。在火灾的防治过程中，火灾发生的自动检测与识别显得尤为重要。而传统的基于传感设备的火灾检测技术有很多的不足。不仅容易受到环境因素的干扰，同时也无法记录火灾发生时的情况，为后续的调查带来了困难。在这种情况下基于视频图像的火灾识别进入了国内外学者的视线。基于视频图像的火灾识别不仅可以增加火灾探测的速度，还可以记录火灾发生时的情况，同时对于大范围的火灾监控也有着很大的优势。注意力机制是机器人和图像处理领域的热门技术，在最近几年得到了快速的发展。通过模拟人类视觉系统，视觉注意力机制可以帮助我们从大量复杂的图像信息中快速的寻找到“值得注意”的部分，寻找到图像的关键信息，剔除大量无用的信息。可以显著的加快图像处理的速度和图像识别的准确度。本文将基于视频图像的火灾检测与识别和视觉注意力机制相结合。使用视觉注意力机制的方法对视频图像进行预处理，不仅弥补了传统的火灾检测方法的缺点，同时显著提高了火灾检测与识别的速度和准确度。为了将视觉注意力机制和基于视频图像的火灾检测与识别相结合，本文在以下方面进行了研究：1、使用视觉注意力机制进行火灾图像预处理。本文将视觉注意力机制引入火灾识别，首先用注意机制对火灾图像进行预处理，并分析了火灾检测与识别的实际情况，对普遍使用的注意力机制作出了改进。同时讨论了时间因素对显著性的影响，讨论了在相同背景和相似背景下显著图的生成方式。2、火灾疑似区域的提取。在分析了本文方法的特点，和注意力机制的客观要求之后，本文采用基于单幅图像的火灾疑似区域的提取方法。对现有的单幅图像的火灾疑似区域的提取方法进行分析之后，本文最终采用了基于RGB空间的火焰提取、基于HSI空间的火焰提取和基于RGB空间的烟雾提取，其中两种火焰疑似区域提取方式相互弥补不足，烟雾疑似区域提取再做出补充。3、火灾特征的选择。本文分析了火焰和烟雾的物理特征与数学特征，同时考虑了火灾疑似区域提取的方式，最后选择了颜色直方图、边缘颜色矩和纹理特征作为火灾判断的依据。4、使用支持向量机作为火灾识别的方式。本文根据实验数据维度高、样本小的特点，采用支持向量机SVM作为火灾识别方法。并对各个常用的核函数类型设计了实验，最终选取了混合使用线性函数核与径向基函数核的方法。本文研究的基于视频图像的火灾检测与识别，采用了视觉注意力机制，提高了识别的准确度与速度。混合使用线性函数核与径向基函数核的方法显著降低了火灾识别中的漏报率。