參賽團隊名稱：迷霧暗黑之劍
提案動機：
以迷霧暗黑之劍，
見迷霧暗黑 !!
安全是回家唯一的路，但，
天候不佳，例如夜晚、大雨，或者濃霧，
行車視線不良，常導致車禍悲劇叢生。
團隊以感測、辨識與協同合作三個基石，
建構出完整解決方案，
結合Thermal 熱感應影像與行車紀錄器 RGB 影像，
運用深度學習模型，
全面提升行車路況感測能力。
解決方案：
在開發過程中所用軟硬體如下：
硬體：
- Intel(R) Core(TM) i7-8750H CPU @ 2.20GHz
軟體：
- Intel® OpenVINO Toolkit
- Intel® DevCloud
資料集：
- KAIST Multispectral Pedestrian Detection Benchmark
在 RGB 影像的物件偵測方面，我們採用 open_model_zoo 下 intel 的
person-vehicle-bike-detection-crossroad-yolov3-1020 預訓練模型。在 Thermal 影像上，則使用 GitHub 上的
Robust Object Classification of Occluded Objects in Forward Looking Infrared Cameras。分別對 RGB 影像以及 Thermal 影像進行物件偵測，當Thermal 影像偵測出RGB 影像中沒有偵測到的物件時，透過 TTS 智慧語音系統，主動提醒駕駛人注意。
成果介紹短片：
成果介紹：
- 由 AI 模型推論結果可以明顯看出，於夜晚的駕駛環境下，Thermal 影像確實能較 RGB 影像更能有效偵測出車輛與行人等物件。
- 而開發過程中，透過 Intel OpenVINO Toolkit 內建大量的 AI 深度學習模型，以及各種應用情境的 demo 程式，能非常有效地幫助新創團隊 proof-of-concept 到產品的實際開發建置，加速產品的問世時程。