Sistem dibuat untuk mendeteksi mobil pada jarak aman. Metode yang digunakan yaitu Histogram of Oriented Gradient (HOG). Karateristik feature HOG dari sebuah mobil ditampilkan oleh distribusi nilai gradien berupa garis vektor. Hasil dari feature HOG dilearning oleh Support Vector Machine (SVM) untuk mendapatkan acuan deteksi antar data mobil atau bukan mobil. Learning dilakukan dengan menggunakan 800 data positif (mobil) dan 800 data negatif (bukan mobil). Setelah itu digunakan raspberry sebagai embedded board untuk memproses keseluruhan sistem.
Hasil pengujian menunjukan classifier yang digunakan berada di tingkat akurasi 75% dengan kondisi jalan tanpa obstacle (pohon, tiang penunjuk arah, jembatan) dan tingkat akurasi 70% dengan kondisi jalan memiliki banyak obstacle(pohon, tiang penunjuk arah, jembatan). Kemudian pada pengujian raspberry menunjukan bahwa terdapat selisih 20 detik antar video yang telah diimplementasikan sistem dan yang belum diimplementasikan sistem. Dan pada tujuan akhir, sistem dapat mendeteksi objek dalam batas respon dengan waktu dibawah satu detik untuk tiap-tiap kecepatan mobil.