常见的基于深度学习的火焰检测方法中，模型训练主要使用目标的静态特征，因此当图像中存在和目标视觉特征相近的干扰物时，无法有效区分。因此，本发明提出了一种将深度学习与动态信息相结合的夜晚火焰检测方法。即，在模型训练过程中加入目标的动态信息。也就是利用的样本不是来自于普通视频序列的一帧图像，而是包含前后帧关联的动态信息。本发明的检测方法完整步骤包括：对采集的图像进行二值化；求取二值化后图像上火焰的边缘形态，并保存图像作为训练样本；使用最小外接矩形标注火焰边缘所处的区域；将标注好的样本送入caffe框架进行训练，以得到用于检测火焰的模型；利用训练好的模型判断监测区域是否发生火情。