船舶监控摄像机烟火检测原理主要基于视觉分析技术和智能算法，通过对视频图像中火焰和烟雾的特征进行提取与分析，实现自动检测与预警，以下从火焰和烟雾两方面展开说明：

火焰检测原理

静态特征分析

颜色特征：火焰具有独特的颜色分布，从内焰到焰心颜色依次为暗红色、红色、橙色、黄色、蓝白色和白色，大部分火焰颜色集中在红到黄范围内。在图像处理中，一般火焰的颜色信息主要集中在低阶颜色矩，可通过分析图像像素在HSI色彩空间中的H分量值来描述颜色特征，利用颜色模型(如RGB空间转换模型)进行初步筛选，排除最不可能是火焰的物体。

形状特征：火焰的形状具有可边度大且连续的特点，其轮廓和区域特征可用于描述形状。例如，燃烧点的火焰模型可能由多层火焰轮廓组成，通过对火焰轮廓的分析可以辅助识别火焰。

动态特征分析

频率特征：火焰的外焰部分运动存在一定频率，经研究发现其切换频率约为10HZ。通过捕捉这一频率特征，可以进一步确认是否有火焰存在。

能量变化特征：燃烧的物理变化和化学变化会造成火焰能量的不均衡分布，火焰区域的能量变化明显，与其他颜色相似但能量分布均匀的运动物体(如红色衣服)形成对比，可作为区分特征。

烟雾检测原理

静态特征分析

外形与对比度特征：烟雾的颜色与浓度有直接关系，淡淡的烟半透明，浓烟灰黑且会遮挡后面事物。无论烟雾浓淡，都会使后面的事物变得模糊，因此可通过像素的对比度变化判断烟雾的有无。

动态特征分析

扩散特征：烟雾以扩散的形式变化，可假想存在一个或几个烟雾发生点，烟雾围绕这些点扩散开去。其边界变化存在约3HZ的频率，轮廓是清晰画面与被烟雾模糊画面的交界，且运动是连续且非刚性的，这些特点与行人、汽车等前景运动物体有本质不同，可用于区分烟雾与其他物体。

系统工作流程

数据采集：利用高清摄像头获取船舶监控区域的视频或图像数据。

预处理：对采集到的图像进行增强、去噪等处理，提高图像质量，减少环境干扰。

特征提取：根据火焰和烟雾的静态和动态特征，提取图像中的相关特征。

目标检测：使用深度学习模型(如卷积神经网络CNN和YOLO系列算法)对提取的特征进行分析，识别火焰和烟雾目标。

报警与联动：当检测到火焰或烟雾时，系统通过边缘计算或云平台触发报警，并可联动消防设备或无人机进行现场核查。