在目前行人辨识系统，通常以多感测器与雷达进行物件的侦测与使用图像处理进行物件判别，由于图像处理运算量大，难以实现在实车上，而多感测器的部分，则依感测器的选择而有着不同优劣势，如：各环境侦测率高低与侦测的距离限制等问题。 本团队提出使用机器学习的深度特征资讯与光学摄影机高资料密度特性，达到物件侦测系统基于机器学习的概念。利用光学摄影机将画面读取进来进行影像处理，建立候选区域，不但能够改善提升后续神经网络的准确率，且能够大量减低处理时间，并从CANbus中读取车速资讯并计算出碰撞距离与时间达致提醒驾驶者的效果，以及使用CCS811气体传感器侦测车内二氧化碳浓度，若浓度太高则提醒驾驶让空气流通。本团队利用拥有异质多核心之ARM核心平台的NVIDIA Jetson Tx2，透过CUDA的平行运算能力加速神经网络之大量运算处理以及光学摄影机之运算，达到透过机器学习来实现之含距离资讯与警示的行人侦测技术。利用内含的距离资讯告知与行人之距离，并使用警示标志来提醒驾驶者，以做即时的判断与反应，搭配气体传感器，侦测车器二氧化碳浓度，若太高则提醒驾驶者，避免二氧化碳浓度过高使驾驶感到大脑疲劳，以达到保护用路人以及驾驶之驾驶辅助系统。

来自云科大的优秀青年，致力研究于车辆辅助安全系统。