近年来,大空间的建筑群不断增加,在带来方便和美观的同时也增加了火灾的发生几率,火灾会严重威胁人类的生命和财产安全。随着高效视频处理技术的发展,基于视频的火灾烟雾检测已成为一种主要的火灾探测方法,尤其是在开放式大型空间和室外环境中效果更为显著。由于火灾发生烟雾先于火焰产生,烟雾检测有利于火灾的早期识别,对大空间火灾探测有重要的意义。论文主要研究内容如下:（1）研究基于目标区域的卷积神经网络火灾烟雾识别方法。针对火灾初期烟雾区域较小而无关区域较大,烟雾检测效果较差的问题,利用卷积神经网络对烟雾目标区域进行检测,构建两层火灾烟雾识别模型。针对火灾烟雾非刚性、移动缓慢的特性,在背景更新算法中引入初始背景作为参考,同时利用形态学方法对目标区域进行完善,将烟雾目标区域作为卷积神经网络的输入,减少无关干扰对检测结果的影响。实验结果表明,抗干扰能力较强,烟雾识别的准确率得到提升,可以应用在小型建筑。（2）研究基于双层级联卷积神经网络的火灾烟雾识别方法。针对基于目标区域的卷积神经网络火灾烟雾识别方法无法提取全部烟雾区域而导致存在误报漏报的问题,引入双层级联卷积神经网络的方法。在卷积神经网络中利用边框回归实现疑似烟雾窗口的生成,减少烟雾区域信息的缺失,利用非极大值抑制删除部分非烟雾窗口,实现对烟雾窗口进行分类识别。通过级联结构将两层网络串联对烟雾窗口进行二次判断和筛选,确定烟雾检测结果和位置。实验结果表明,该方法可以准确的定位烟雾目标,而且具有较高的火灾烟雾识别准确率,可应用在对准确率要求较高的大型建筑。