近几年，随着数字图像处理技术的发展，图像型火灾探测器因其勿受粉尘和湿度等的影响，并适用于大空间和复杂结构等室内外环境的优势，引起了诸多学者的广泛研究。在此基础上，本文提出一种基于多种图像模式特征融合的早期火灾识别方法，以VS2010平台为基础，运用OpenCV和视频采集卡SDK开发库进行编程，实现早期火灾的识别和报警。首先，通过对多种图像模式的特点及其探测范围的分析，确定白天和夜间分别采用不同图像模式的组合来更好地摄取早期火灾火焰图像并给出相应的硬件信息。其次，根据早期火灾火焰的特点，提出尖角等特征可以作为早期火灾火焰图像的特征判据。再次，利用数字图像处理中的滤波、阈值分割和腐蚀膨胀等技术对不同模式图像进行相应不同的预处理，并得到不同模式图像的火焰与背景分离的二值图像及其相应特征判据值。然后，利用BP神经网络对多模式火灾的特征进行融合，将大量火灾和干扰实验得到的特征判据值作为学习样本对搭建好的网络进行训练，进而得到输入和隐藏层的权值。接着，在VS2010下创建对话框程序，并给出主程序和子程序的设计流程。程序中将实时采集到的多模式早期火灾图像的特征判据值与BP神经网络学习得到的权值直接进行融合运算，即可得到火灾发生的概率，并判断火灾与否。最后，通过分别在白天和夜间条件下，采用3种燃烧物质和相应的干扰光源进行不同距离的实验，给出本文结论并提出图像型火灾识别研究中还有待于进一步完善的地方，并对图像火灾识别的未来进行了展望。