欧姆龙开发出“驾驶员注意力集中度感测技术”，根据拍摄的汽车驾驶员的图像，分3级判断驾驶注意力集中程度。可用于提醒驾驶员保持注意力，以及在自动驾驶与手动驾驶间安全切换的用途。欧姆龙的目标是2019-2020年投入实用。
目前，使用摄像头检测驾驶员状态的技术基本都是单独检测“瞌睡”、“走神”等状态，无法应付多种多样的危险状况。欧姆龙此次通过运用深度学习，能够应对原来检测不出的各种危险。利用深度学习处理的数据是实时拍摄的驾驶员图像，也就是时间序列数据。为了使用时间序列数据，深度学习算法是欧姆龙以RNN（递归神经网络）为基础自主改进的方法，RNN具有将过去的信息保存于内部的机制。
此外，为了在车载环境中运行，其还在降低处理负荷方面下了一番工夫。通常，直接输入拍摄的图像时必须要在处理中使用大量的硬件资源。虽然通过降低图像的分辨率可以减轻处理的负荷，但这样容易导致驾驶员状态检测所需的信息也随之丢失。因此，此次通过从原图像中截取重要信息较多的面部部分，将截取的过去数帧的面部图像（局部面部信息）以及低分辨率的整体图像（大局性动作图像）作为输入数据，在保持判断精度的同时，降低了处理负荷。
欧姆龙开发该技术的背景是全球对自动驾驶的部分解禁。为了使自动驾驶实现实用化，欧美等已经开始讨论修改与道路交通相关的《日内瓦条约》。照此发展下去，预计到2018年自动驾驶就会在高速公路等得到部分解禁。自动驾驶得到部分解禁时，就需要对驾驶员的自动驾状况实施监测。而且，从自动驾驶切换为手动驾驶时，也需要技术手段来判定驾驶员能否安全驾驶。
