Одно дело, когда программа на компьютере с хорошим процом, 8 Гигиами ОЗУ обнаруживают людей в коридоре, где работают разработчики, другое дело, когда тот же алгоритм должен распознать пешехода, работая на одноплатнике (например nanopi fire3) беря видео поток с камеры закрепленной на лобовом стекле Вашего автомобиля. Причем этому алгоритму нужно детектировать пешехода в реальном времени, чтобы вовремя этого пешехода и избежать избежать столкновения.
Наши исследования показали, что чтобы добиться конечной цели (избежать столкновения) алгоритм исполняемый на железе с малой производительностью должен не только детектировать пешехода но и анализировать траекторию его движения. Это позволяет избежать столкновения “предвидя его”. А использование патернов поведения позволяет обнаружить пешеходов намного быстрее и точнее других алгоритмов. Также наш алгоритм, совершать вдвое меньше ошибок, чем существующие системы. Что, в свою очередь, приводит к изящной остановкой, а не к внезапным страшным торможениям.
Еще для экономия вычислительнх мощностей наши разработчики прибегают к быстрому и постепенному вырезанию областей, которые не содержат людей (например, небо или пустая дорога). Глубокое обучение на последних этапах комплексного распознавание образов приводит к экономию большого числа вычислительной мощности, обычно необходимой для распознавания пешеходов, поскольку алгоритм ограничивает внимание только на нескольких областях, а не больших кусками экрана.