本系统是一款创新颠覆性的智能软硬件产品，结合了高清视频编码，状态识别技术，传感技术，网络技术与星光夜视全彩技术为一体的高新技术产品，传统的机车电子添乘系统，仅仅停留在实时浏览和录像，无法识别画面中的内容，更谈不上思考和行动。而基于感知摄像系统可基于视频的智能分析，识别出监控画面中的内容，并对其进行语言描述和较佳图片抓拍，然后通过后端云计算平台进行分析，代替我们做出思考和判断。 主机采用12寸触摸屏显一体化设计，可满足4/8/12路高清720P与1080P的需求，相应的功能集成在显示屏上、全天候24小时稳定的运行，外部硬盘存储装置可插拔式，有防盗锁设计，较显着的特点就是不用繁锁的布线，可代替原有的音视频监控主机，系统出厂兼容高清与标清模式。

深度卷积神经网络的特征检测通过训练数据来进行学习，避免手工显式提取特征，而是从训练中学习特征，且同一特征映射面上的神经元权值相同，网络可以并行学习，权值共享降低了网络的复杂性，可以将多维的图像数据直接输入到网络中，从而避免特征提取和分类过程中数据重建的复杂度，项目拟采用卷积神经网络无监督构建特征，通过卷积神经网络的前向传播、反向传播以及梯度下降三个阶段的反复迭代，自适应提取图像的特征向量，实现图像特征对全天候环境的泛化能力，进而提升障碍物特征表达的自适应性，为进一步降低障碍物识别的虚警率，拟采用支持向量机有监督学习的方式对提取后的特征做进一步筛选，保留满足高精度的神经网络中的权值。利用上述算法提取的障碍物自适应特征，结合深度学习技术中的SSD模型和Faster RCNN以及YOLO算法可以较好地实现多障碍物的识别和分类，且实时效果好。因此，可以考虑在相关模型中改进得到一种高速度、高精度、鲁棒性强的多障碍物识别分类方法。