使用區塊鏈技術可確保資料不被竄改或變更，但事實上無法排除數位資料在上鏈前就被動過手腳。透過駕駛人在行車時，直接進行上鏈，可以有效的防止被動過手腳。駕駛人的生物特徵與OBD資訊直接進行直接上鏈，並上傳至影像鑑識鏈平台。若行車肇事或車輛遭竊，可直接透過影像鑑識鏈平台，進行分析其駕駛人以及車輛行駛狀況。

此計畫透過 AR 的方式，將行車紀錄器的影像以及 OBD 資訊，進行影像融合，其融合重點放在自動化分析影像不重要區域，並將OBD等資訊融合至不重要區域，並透過浮水印技術，防止竄改以及盜用並保護版權，有助於數位證據之有效性。

駕駛人的臉部特徵為駕車時，較容易獲取且直接的生物特徵，因此將針對以下部位進行快速擷取並分析其關聯，取得臉部特徵，包含眼睛、鼻子、耳朵、嘴巴、下巴等。並採用 n-dimensional point 來進行分析眼睛大小，眼睛間距，鼻子長度，鼻子寬度，嘴巴彎曲，嘴巴寬度，嘴巴張開度，瞳孔大小，眉毛偏斜，眼睛偏心率和頭部偏心率。

當行車紀錄影像以及 OBD 數據都上傳至雲端後，會產生大量的資訊，此時需透過降維方式，將降維後的數據中，進行集成聚類分析。聚類分析可在無監督學習下數據對象的探索合適的群的過程，在探索過程中，群與群之間的數據對象差異越來越明顯，群內的數據對象之間差異越來越小。比較各種降維演算法，並透過駕駛行為分析及預測出其肇事機率，並提供車險公司參考。