日立汽车系统公司表示，其已经将人工智能（AI）技术应用于立体摄像头中，此类摄像头专为汽车自动刹车功能而设计。该摄像头利用数十万条数据作为“教师数据”，实现夜间行人检测功能。目前，各个竞争对手公司都在研发支持AI的传感器，日立汽车系统将向铃木汽车公司供应此种新型传感器，以期在AI传感器的商业化上处于领先地位。

　　据该公司所说，该新型传感器的性能大大优于其全球竞争对手的产品，能够在夜间检测行人，然后汽车可以自动刹车，比配备了以色列Mobileye公司主要图像处理芯片EyeQ3的车辆的刹车性能更好。

　　此前，日立汽车系统的摄像头都是“基于规则”来识别物体，即开发人员需要手动设置条件，其他公司的产品也是如此。但是，“基于规则”的方法会让条件变得复杂，而且很难支持夜间物体检测功能。此次，日立利用机器学习技术，可有效地在大量数据中找到条件。

　　一般情况下，立体摄像头是利用左右两个摄像头分别拍摄两幅图像，然后通过两幅图像之间的视差来探测物体形状以及位于车辆前方的物体，然后利用模式识别等方法判断被探测到的物体是否是行人。而日立汽车系统的立体摄像头将采用机器学习法进行图像识别。

　　几十万条“教师数据”都存储在新摄像头的图像处理微型计算机中，然后该摄像头拍摄的图片会与“教师数据”进行比较，以判断物体是否是行人。之前，日立汽车系统的立体摄像头使用的是正常的模式识别法，即使用多幅图像进行判断。

　　即使行人只有下半身被汽车前大灯照到或者是可以看到行人的整个身体，而各个身体部位的亮度不同时，与传统的模式识别法相比，该摄像头采用了机器学习，会更容易检测到行人。

　　当将机器学习技术应用于图像识别处理时，需要处理的数据量就会有所增加。为了解决该问题，日立汽车系统对立体摄像头的微型计算机进行了改造，提升了其性能。之前的立体摄像头使用三个微型计算机分别进行图像处理、图像识别和车辆控制。而日立汽车系统的新型立体摄像只集成了两台微型计算机，用于图像处理和图像识别。然后，再将用于图像识别的微型计算机从单核升级为双核。随着核数的增加，该微型计算机不仅可以采用机器学习技术，还能提高图像识别的处理速度。

　　此外，日立汽车系统还增加了CMOS传感器的动态探测范围，降低了镜头的F值（F值越小，光圈越大），将摄像头的灵敏度提高了一倍。由于其动态探测范围增大，该摄像头既能捕捉明亮，也能捕捉黑暗的物体。而由于F值变小，该摄像头就更容易在黑暗中发现行人。