火是人类走向文明的伟大发明之一。而一旦发生火灾,将会给人类带来物质与精神的双重损失。因此,针对火灾的研究是一项非常重要的任务。随着计算机视觉技术的发展,目前对于火灾的研究方法已经从传统的传感器探测演变成了基于图像处理的识别。近年来,基于图像处理技术的火灾识别理论不断被完善与发展,但其中仍存在分割区域不完整、特征选取盲目、误检率较高等问题。本文针对这些问题,基于自适应池化方式的卷积神经网络对图像型火灾识别方法进行了研究。本文对火灾图像进行了预处理操作,并对火焰颜色特征进行了分析,以完整分割出火焰区域为目的,提出了基于颜色特征的火灾区域分割方法和基于改进K近邻的火灾区域分割方法;针对火灾图像识别过程中存在的特征选取盲目问题,提出一个将分割得到的火焰区域送入卷积神经网络进行训练的方法,该方法能够更好地对火焰特征进行学习;通过对卷积神经网络进行研究,在传统池化方式基础上,提出一种基于自适应池化的卷积神经网络,该网络可以动态的根据池化域的不同,采取不同池化因子对池化域进行下采样处理,达到准确提取特征的目的。最后,本文采用PyQt工具设计了图形用户界面,可以直观显示火灾图像处理的每一个步骤。通过研究与实验表明,本文所提出的算法能够准确识别出火灾图像,有效降低了火灾图像的误检率,对图像型火灾识别具有一定的价值,对进一步完善火灾监测系统具有一定的意义。