当前社会生产生活中，火灾是严重威胁人民生命、财产安全的重要灾害之一。特别是在密集型高层建筑群中，火灾呈现出传播速度快、灭火及营救更加困难的特点使得火灾探测技术的研究显得尤为重要。而传统的火灾探测技术反应较为滞后且可靠性差，已不能满足现代化发展的需求，所以准确快速判断火灾初期状况是目前急需解决的热点问题。为此本文在基于火焰识别的早期火灾探测技术方面进行了较为深入的研究，主要研究工作的内容和创新点包括以下几个方面：1.在参阅了国内外大量文献的基础上，介绍了当前火灾探测技术的研究现状，并重点阐述了火焰识别的相关算法和优缺点。2.考虑到火焰图像数据量较大，批量读取技术的使用在读取图像数据方面具有明显的优势；同时由于图像噪声多呈高斯分布的特征，在平滑处理方面研究了高斯滤波法的适用特点。3.分析了火焰图像特征的复杂性，采用了基于自适应阈值的可疑区域分割方法，并与基于边缘检测、运动检测的图像分割方法进行了比较，仿真结果表明该方法能够有效快速准确的分割出可疑区域，即满足对火焰识别技术的要求。4.在研究了火焰图像特征参数的基础上，本文应用固定阈值举手表决法提取了图像的火焰面积变化率、圆形度、尖角数、轮廓变化距离等四个特征值，并作为火焰判别的主要特征依据。5.根据提取的特征值，本文提出了基于多判据的BP神经网络识别方法。该方法通过对特征值进行大量的训练得到了BP神经网络的权值和阈值，并对所采集的火焰图像数据进行判别。仿真结果验证了所提出的多判据BP神经网络识别方法与贝叶斯分类器、基于支持向量机的分类器方法相比，不仅能够快速准确的识别火焰特征，且在火焰识别精确度方面有所提高，为早期火灾探测提供了一种改良的判别方法。