火灾作为一种重大的多发的自然和人为灾害，给人类社会造成了不可估量的生命财产损失。各种基于视频的火焰识别算法和识别系统层出不穷，但是这些方法和系统在应用过程中，虽然对火焰达到了有效识别，却没有考虑到视频数据采集过程中存在的不确定性。这一局限性使得在大空间复杂环境下，增加了火焰正确识别的难度。为了解决这个问题，有必要对火焰识别作进一步扩展研究。模糊集理论是处理不确定问题的有力工具，但是I-型模糊集受到隶属函数本身的限制，不能很好表达和处理复杂的不确定问题。本文从Ⅱ-型模糊集理论入手，深入研究和验证了两类随机性与模糊性相结合的模型，即Ⅱ-型模糊高斯混合模型和Ⅱ-型模糊隐马尔科夫模型，最后基于Ⅱ-型模糊隐马尔科夫模型对视频火焰进行识别实验。本文的主要工作如下：1、对Ⅱ-型模糊集理论和Ⅱ-型模糊逻辑系统进行研究。采用随机模拟方法，对KM、EKM降阶算法进行了理论分析和模拟实验。设计实现一个了区间值Ⅱ-型模糊逻辑系统，给出控制曲面来表达Ⅱ-型模糊逻辑系统的控制能力。2、深入研究Ⅱ-型模糊高斯混合模型。采用UCI标准数据集比较Ⅱ-型模糊高斯混合模型与传统高斯混合模型的分类性能。结果表明，模糊模型比传统模型在训练数据较少的情况下具有较高的分类精度，更适用于处理复杂的不确定问题。3、编程实现Ⅱ-型模糊隐马尔科夫模型，并将该模型应用于真实的火焰场景。实验结果表明，该模型可有效对视频火焰进行识别。