Los incendios representan un enorme riesgo para la vida humana y la propiedad. En el ámbito de la advertencia de incendios, enfoques anteriores que aprovechan la visión por computadora han logrado un progreso significativo. Sin embargo, estos métodos ignoran las características de movimiento local y global de las llamas. Para abordar este problema, se propone una red de Mejora Adaptativa Local y Global (LGAE), que incluye principalmente el bloque principal, el bloque de Mejora de Movimiento Adaptativo Local (LAME) y el bloque de Mejora de Movimiento Adaptativo Global (GAME). Específicamente, el bloque LAME está diseñado para capturar información sobre el movimiento local, y el bloque GAME está diseñado para mejorar la información sobre el movimiento global. A través de la utilización de estos dos bloques, se mejora la capacidad de reconocimiento de incendios de LGAE. Para facilitar la investigación y el desarrollo en el ámbito del reconocimiento de incendios, construimos un conjunto de datos de Reconocimiento de Video de Incendios a Gran Escala (LFVR), que incluye 11,560 videoclips. Se realizaron experimentos extensos en los conjuntos de datos LFVR y FireNet. Los puntajes F1 de LGAE en LFVR y FireNet fueron del 88.93% y 93.18%, respectivamente. Los resultados experimentales indican que LGAE funciona mejor que otros métodos tanto en LFVR como en FireNet.