火灾是人们共同面临的灾难性问题。为了避免火灾引发的重大事故，许多传统的火灾检测方法被广泛使用，如烟感、温感探测器。这些传感器被用来检测空气的湿度、温度或者烟雾，从而发出警报，其最大的局限性就是受到距离的限制，其有效探测范围较小，且不便于火灾的早期探测。为了克服传统探测器的不足，国内外研究人员提出了基于视频的火焰检测方法，这些方法通常将多个识别方法相结合来提高识别率。由于环境的复杂性，目前大部分算法生成的火灾检测系统误报率较高。论文在研究火焰的能量谱特征的基础上融合火焰频闪特征、面积变化率特征和颜色特征，提出了基于多特征融合的火灾检测系统。
　　本系统主要有：数据采集模块，数据处理模块，报警模块三大模块组成。其中数据采集模块主要采集火焰的图像；数据处理模块是系统的核心模块，主要包括图像增强、火焰目标检测和火灾识别判定；报警模块是数据经过数据处理模块后若判断火焰，则立即启动扬声器报警。
　　本文首先采用了基于改进的自动色彩均衡算法（Automatic Color Equalization, ACE）对图像进行增强处理，通过缩小像素中心点邻域的大小来减少像素之间的比较次数，再结合拉普拉斯金字塔思想，在每层子金字塔上利用改进的ACE算法逐层增强，最后在金字塔重构上根据图像亮度信息来计算待融合图像的权重生成增强后的图像，在算法中子金字塔的生成通过像素阈值的设定，得到部分子金字塔。然后采用基于几何独立成分分析算法（Gaussian Independent Component Analysis, GICA）改进算法检测视频火焰运动目标。通过改进的GICA算法获取图像的两个独立分量，从而提取出运动目标图像，并且将原有的GICA算法的六大步骤，改进为三步实现，加快了运算速度。最后在研究了火焰颜色特征、面积变化率特征和频闪特征的基础上，提出了一种基于火灾图像能量谱的识别特征，给出了一种新型的火灾识别算法，该算法主要将火焰的面积变化特征、频闪特征、颜色特征和图像能量谱结合，通过系统建模，得到一种适应性强的火灾识别判据。
　　在实现部分，首先分别实现了图像能量谱、颜色、面积变化、以及火焰频闪识别算法，得到对应的识别率；然后实现了多特征融合模型，得到多特征融模型的识别率。最后实现了基于多特征融合的火灾检测系统，实验表明，多特征融合模型较单一特征量的识别率有较大的提高，能够排除大部分相似物的干扰。