随着社会经济的快速发展,大空间建筑物灾难救援在城市安全管理中的作用越来越受到人们的重视。作为其核心组成部分之一,大空间早期火灾检测系统在火灾监控、预警以及事后责任分析等方面有着十分广阔的应用前景,是目前国内外的研究热点。受到监控场景内复杂环境以及存在的多种干扰因素的影响,长期以来,基于视频的火灾检测一直是模式识别领域内的一个难点问题。本文在对早期火灾检测系统进行深入研究的基础上,提出了一套行之有效的解决方案,并开发出能够实际应用的软件系统。论文的研究工作与成果如下：(1)对输入视频图像进行图像预处理,并将火灾火焰作为一种特殊的运动目标利用背景差法进行检测。提出了一种具有自适应更新机制的时间中值法建立监控区域背景,该算法可以快速准确地建立背景,同时在环境发生突变时重新建立背景。为准确地检测运动目标,提取其特征奠定了基础；(2)对早期火灾火焰进行了特征的研究与提取。分析火灾火焰亮度—颜色主分量饱和度综合特征、火灾火焰面积变化特征以及火灾火焰边缘—质心综合特征等,并应用彩色空间分析以及基于Contourlet变换的边缘检测技术对相关特征进行提取。(3)在对火灾火焰特征本身的性质进行分析的基础上,提出了阈值法与BP神经网络算法相结合的早期火灾火焰识别算法。该算法将目标识别过程分为两部分,对应早期火灾火焰的两类特征,可以同时满足准确性和实时性。(4)利用Matlab9.0对本文提出的算法进行了仿真实验,开发出了完整的早期火灾检测软件。经测试,该火灾检测系统对于目标检测的正确率可达94%,而检测时间仅为10秒,达到了此前设计的目标。本文还在现有早期火灾火焰视频样本库的基础上,通过实验证明了文中提出算法的先进性、有效性和实用性。本文所设计系统具有良好的实时性和精确性指标,同时具备良好的鲁棒性和自适应性。