日立汽車系統公司表示，其已經將人工智能（AI）技術應用于立體攝像頭中，此類攝像頭專為汽車自動剎車功能而設計。該攝像頭利用數十萬條數據作為“教師數據”，實現夜間行人檢測功能。目前，各個競爭對手公司都在研發支持AI的傳感器，日立汽車系統將向鈴木汽車公司供應此種新型傳感器，以期在AI傳感器的商業化上處于領先地位。

　　據該公司所說，該新型傳感器的性能大大優于其全球競爭對手的產品，能夠在夜間檢測行人，然后汽車可以自動剎車，比配備了以色列Mobileye公司主要圖像處理芯片EyeQ3的車輛的剎車性能更好。

　　此前，日立汽車系統的攝像頭都是“基于規則”來識別物體，即開發人員需要手動設置條件，其他公司的產品也是如此。但是，“基于規則”的方法會讓條件變得復雜，而且很難支持夜間物體檢測功能。此次，日立利用機器學習技術，可有效地在大量數據中找到條件。

　　一般情況下，立體攝像頭是利用左右兩個攝像頭分別拍攝兩幅圖像，然后通過兩幅圖像之間的視差來探測物體形狀以及位于車輛前方的物體，然后利用模式識別等方法判斷被探測到的物體是否是行人。而日立汽車系統的立體攝像頭將采用機器學習法進行圖像識別。

　　幾十萬條“教師數據”都存儲在新攝像頭的圖像處理微型計算機中，然后該攝像頭拍攝的圖片會與“教師數據”進行比較，以判斷物體是否是行人。之前，日立汽車系統的立體攝像頭使用的是正常的模式識別法，即使用多幅圖像進行判斷。

　　即使行人只有下半身被汽車前大燈照到或者是可以看到行人的整個身體，而各個身體部位的亮度不同時，與傳統的模式識別法相比，該攝像頭采用了機器學習，會更容易檢測到行人。

　　當將機器學習技術應用于圖像識別處理時，需要處理的數據量就會有所增加。為了解決該問題，日立汽車系統對立體攝像頭的微型計算機進行了改造，提升了其性能。之前的立體攝像頭使用三個微型計算機分別進行圖像處理、圖像識別和車輛控制。而日立汽車系統的新型立體攝像只集成了兩臺微型計算機，用于圖像處理和圖像識別。然后，再將用于圖像識別的微型計算機從單核升級為雙核。隨著核數的增加，該微型計算機不僅可以采用機器學習技術，還能提高圖像識別的處理速度。

　　此外，日立汽車系統還增加了CMOS傳感器的動態探測范圍，降低了鏡頭的F值（F值越小，光圈越大），將攝像頭的靈敏度提高了一倍。由于其動態探測范圍增大，該攝像頭既能捕捉明亮，也能捕捉黑暗的物體。而由于F值變小，該攝像頭就更容易在黑暗中發現行人。