2016年6月，在瑞典舉辦的汽車學會“智能汽車研討會”上，日本一大學發(fā)布了運用深度學習提高圖像識別性能的技術(shù)。該技術(shù)可同時識別多個對象，并將各項結(jié)果關(guān)聯(lián)起來進行學習，由此提高圖像識別精度。如果將該技術(shù)用于車載攝像頭，不僅可以檢測行人，還能根據(jù)行人前進的方向、與車輛的距離、是否打傘、有無行李等多種信息來判斷碰撞危險性，并根據(jù)行人的具體狀態(tài)進行車輛控制。

在汽車預防安全領域，避免與行人碰撞是一大難題。因為與車輛相比，行人很難用傳感器檢測出來，而且還有行人突然沖到馬路上等危險狀況。由人控制汽車時，駕駛員可以根據(jù)行人的動作及狀態(tài)等多種信息進行危險性預測和應對，這些危險包括“行人是否發(fā)現(xiàn)有汽車靠近”、“行人是否有可能突然沖出來”等。

如果利用ADAS對汽車進行自動控制，整合和處理多種信息會使計算量增加，因此非常困難。但日本這一大學發(fā)布的技術(shù)，可根據(jù)行人頭部和腳部的位置來推測其前進方向，根據(jù)腳部與地面之間的設置點來推測行人與汽車之間的距離。通過組合多種信息，可以實現(xiàn)危險預測，比如“行人正在朝著汽車的方向前進，突然沖出的可能性很低”。在行人檢測實證實驗中，該技術(shù)以5％左右的誤差推測出了行人與汽車的距離。