随着科技创新智能化的发展越来越普及,关乎人们日常生活的基本设施的智能化也在快速发展,而智能建筑火灾报警系统就是其中一个体现。提高火灾报警系统的检测效率、灵敏度和可靠性,实现火灾的早期发现和报警,具有一定的实用价值。本论文主要研究了智能建筑火灾自动报警系统的构成原理,介绍了系统有关的基本概念、基本结构、基本性能。在对数据信息识别分析和数字图像处理技术识别等方法研究的基础上,重点研究了图像型火灾现场的信息识别分析方法。经过对图像进行滤波预处理、分割处理、优化处理,消除噪声,获取优化的图像样本后,通过对火焰的面积大小、形态变化和边缘变化等特征信息的提取和检测,进行了一系列火灾识别实验,通过仿真技术,验证火灾信息识别算法的可靠性和有效性。本文在火灾现场图像探测中引入BP神经网络算法,结合了该算法的特点和相关的数学模型函数,对实验进行了构建,给出了实验的具体输入输出单元的设计和神经网络的具体拓扑结构。对大量火灾图像样本和干扰图像样本进行了相关的对照实验。由实验的结果可以表明,基于BP神经网络算法的火灾报警系统相比于传统火灾报警系统有着更加明显的优势,大大的减少了火灾的误报率,提高了火情火灾报警的精准度,未来可以将其广泛运用于现代智能建筑综合体中。