现在国内 ADAS （高档驾驭辅佐体系）范畴的短板是行人实时检测，辨认率不到 70%，基本上还没有进入可商用的阶段。首要原因是技能门槛较高，算法杂乱。”创来科技创始人陈茂说，这家公司从事的是以轿车前装为主的 ADAS 事务。
时至今日，轿车防磕碰体系和试验性质的无人驾驭轿车依托的是雷达等传感器来检测路上的行人。来自加州大学圣地亚哥分校的工程师则研制了一套根据视觉信号进行实时勘探的行人检测体系，这套视频体系能使智能轿车更精准检测行人，本钱也愈加廉价。
根据视觉的轿车安全体系在使用中仍然难以完成，一方面，经过核算机视觉算法能快速检测路上的行人，可是在区别行人和相似物体等杂乱状况下，仍然不行老练。另一方面，机器学习算法（又称深度神经网络）模仿人脑行为，研讨人员能够训练出比之前办法更富辨别力，处理杂乱的模式辨认，可是在实时的行人检测上处理的功率太慢。
加州大学圣地亚哥分校电气工程教授 Nuno Vasconcelos 和他的团队研讨的新算法，能够经过每秒 2 至 4 帧的速度，检测行人的改变，有用防止行人忽然中止移动而呈现的紧迫刹车或形成意外事端。
这套体系的关键在于——能够辨认愈加杂乱的路况。与其他相似的体系比较，该算法的体系出错率只要前者的一半，并且核算才能愈加杰出，能在远处对行人的移动进行预判。研讨小组方案未来让体系变得愈加有用：不只使用于车辆，还能使用于机器人、安全摄像头号设备。
“在此之前，没有算法能够在行人检测的精确性和速度上做到优化和平衡，咱们经过新算法能得到更好的实时、精确的行人检测成果。”Vasconcelos 说道。
在前期的剖析中，新算法从相对简略的算法开端，过滤掉比方天空等非行人部分的图画，然后进行更为老练的深度学习和神经网络剖析，最终经过该算法来检测物体的精度性和杂乱性。
现在谷歌的无人驾驭轿车依托的是雷达、激光雷达等传感器来勘探路上的行人。假如去掉本钱昂扬的设备如激光雷达（本钱 7 万美元，约合人民币 40 万 ），可使无人驾驭轿车本钱下降，更早投入商用。
谷歌在上一年便开端研制根据视频的行人监测体系，其选用的就是深度学习算法，能在 0.25 秒内精确辨认路上的行人。在谷歌担任核算机视觉和机器学习的研讨科学家 Anelia Angelova 表明，“视觉信息比较雷达数据，能够给车描画一个更宽广的视域，可是整个处理进程要慢一些。”因而传统深度神经网络技能在行人检测场景的使用，一向比较缓慢。
行人辨认的完成方法有许多种，当时最盛行的是深度学习。国外也有根据模式辨认的算法，辨认率在 85% 左右，而深度学习的辨认率能做到 90% 以上，这也是当时各公司追捧它的原因。关于在使用进程中存在少数的误报或漏报等检测失效的状况，则是由于路况比方逆光扎眼、路面积水反光、车道标线含糊等原因形成的。
所以轿车厂商关于轿车安全特别慎重和保存：任何技能都有其软肋，没有肯定完美的技能。“自行驾驭交融了许多互补的技能，当一种技能失灵时会启用别的一种技能来检测。轿车在技能上是有冗余和备份的。这是由于一旦呈现任何事端，车主只会找轿车厂商，而不会找供货商。”陈茂解释道。
