图像型火灾探测技术是以机器视觉为基础的新型火灾探测技术，它不会受到空间大小、环境恶劣等复杂因素的影响。与传统的火灾探测器如：感温、感烟及感光等探测器相比，其准确率和实时性更高。本文首先介绍了传统火灾探测技术的发展现状，总结了它们存在的弊端，在此基础上分析了现有图像型火灾探测技术的几种典型火焰探测算法，并且讨论了图像型火灾火焰识别的主要组成部分。其次针对复杂环境下采集到的火灾图像信息，对图像进行分析，采用中值滤波和图像锐化对图像进行预处理，消除掉火灾图像中参杂的噪声。之后采用一种两层组合的图像分割算法对图像进行分割，得到火焰的疑似区域。并在此基础上，对疑似区域的火焰特征进行分析，提取出火焰的面积变化值、圆形度及闪烁频率等特征，为之后的识别做准备。最后运用模糊神经网络建立火灾识别模型，将提取出的火焰特征作为输入量，对火灾图像进行分类识别。仿真结果表明，该算法对不同场景的火灾识别具有较高的准确率。