在目前行人辨識系統，通常以多感測器與雷達進行物件的偵測與使用圖像處理進行物件判別，由於圖像處理運算量大，難以實現在實車上，而多感測器的部分，則依感測器的選擇而有著不同優劣勢，如：各環境偵測率高低與偵測的距離限制等問題。 本團隊提出使用機器學習的深度特徵資訊與光學攝影機高資料密度特性，達到物件偵測系統基於機器學習的概念。利用光學攝影機將畫面讀取進來進行影像處理，建立候選區域，不但能夠改善提升後續神經網路的準確率，且能夠大量減低處理時間，並從CANbus中讀取車速資訊並計算出碰撞距離與時間達致提醒駕駛者的效果，以及使用CCS811氣體傳感器偵測車內二氧化碳濃度，若濃度太高則提醒駕駛讓空氣流通。本團隊利用擁有異質多核心之ARM核心平台的NVIDIA Jetson Tx2，透過CUDA的平行運算能力加速神經網路之大量運算處理以及光學攝影機之運算，達到透過機器學習來實現之含距離資訊與警示的行人偵測技術。利用內含的距離資訊告知與行人之距離，並使用警示標誌來提醒駕駛者，以做即時的判斷與反應，搭配氣體傳感器，偵測車器二氧化碳濃度，若太高則提醒駕駛者，避免二氧化碳濃度過高使駕駛感到大腦疲勞，以達到保護用路人以及駕駛之駕駛輔助系統。

來自雲科大的優秀青年，致力研究於車輛輔助安全系統。