AI视频图像火灾分析系统是基于高清视频图像的AI智能分析软件，系统支持边缘计算服务器和云分析服务器的部署方式，也支持云边协同的部署方式，系统具有先进的人工智能自学习能力，支持可接入（或调用共享）各类标准协议、或高清摄像机SDK。不但支持定焦摄像机，也支持变焦摄像机，并且支持热成像、微波雷达、卫星图像的火灾特征识别。AI视频图像火灾分析系统支持SH4-正庚烷火、SH5-甲基化酒精火、SH3-聚氨酯塑料火、SH8-十氢化萘火、SH2-棉绳阴燃火的报警测试时间均≤5秒，其精准度、报警速度远超《GB 15631-2008特种火灾探测器》、《ISO/TS 7240-29：2017火灾探测报警系统 第29部分：视频火灾探测器》、《CECS448：016可视图像早期火灾报警系统技术规程》的技术要求，无干预的人工智能自学习功能在连续的测试中表现的让众多用户和专家刮目相看。
My Defensor®有效的深度卷积神经网络模型对火灾图像基础库内的12,000多种物质在19种标准火灾试验环境下的315,000万张燃烧图像，3,000T燃烧视频（世界上十分海量、具有超级专业水准的火灾图像数据库）的原始火灾数据中学习丰富的火灾“运动特征、颜色、轮廓特征”。
1、提取火焰的RGB和HSI颜色空间中的火焰的动态行为和不规则性；使用光流信息和火焰行为来智能地提取特征向量，利用特征向量区分火焰和移动的刚性对象；
2、利用深度N+1卷积神经网络获得更深层次的火灾特征表达（形状、颜色和运动属性），使用sigmod激活函数替换原网络softmax的激活函数，以适应火灾识别的二分类问题，并通过训练获得所需要的火灾检测模型。得到大量的多专家框架火灾检测模型，形成了一个进行实时火焰检测基础模型；
3、使用自学习分类器，根据场景应用需要，替换随机初始化参数方法，可获得精准的分类效果，避免了特征提取繁琐而耗时的过程。选择最优模型对新输入的照片进行火灾和非火的判断，并可更深层次自动挖掘特征并分析；
4、利用模型可迁移思维，开发出的视频火灾云分析系统软件、图像火灾边缘分析软件、嵌入式图像型火灾探测器，减少了复杂的预处理环节，前瞻性的将整个火灾识别过程整合成一个单深度神经网络，可快速实现火灾检测告警和定位。也便于软件的在云端、PC、DSP上封装、训练与优化。
使用sigmod激活函数替换原网络softmax的激活函数，以适应火灾识别的二分类问题，并通过训练获得所需要的火灾检测模型。 My Defensor®算法定位方法与滑窗法不同，它使用单个深度神经网络即可进行图像检测，该算法在中间层特征图的像素点上，基于不同的比例和大小生成一系列默认框来进行定位。在预测的过程中，网络会生成每一个存在的目标类别的分数同时按定位权重生成定位框，更加精准地匹配对象的形状。此外，该网络将来自具有不同分辨率的多个特征图的预测组合在一起来处理各种尺寸的物体。 My Defensor®算法的主要优势是在不牺牲准确率的同时，具有相当快的处理速度，这为火灾的及时识别提供了有利条件。
在训练过程中，设置了不同的超参数，训练了大量的模型，这些参数取决于收集的训练数据、数据的质量以及在训练过程中对结果的分析，通过调节学习率、阈值等超参数改进模型，并在最后使用准确率最高的模型。训练过程中采用了迁移学习策略，因为预训练模型是由大规模数据集训练得到的，其中各个层的权重基本体现了图像物体的特征选择，所以通过微调策略，使用预训练模型进行初始化，准确率会上升得更快，并达到更好的效果。通过运行100,000,000次微调迭代过程，得到了最终的模型，在检测室内外众多环境的火灾检测方面表现出可观的准确率。