يبدأ هذا البحث من ملاحظة أن العديد من أجهزة الكشف عن المشاة ذات الأداء العالي يمكن نمذجتها باستخدام طبقة وسيطة لتصفية الخصائص الأولية بالاشتراك مع غابة قرارات معززة (boosted decision forest). استنادًا إلى هذه الملاحظة، نقترح إطارًا موحدًا ونستكشف تجريبيًا عائلات مختلفة من المرشحات (filters). نقدم نتائج شاملة تمكننا من إجراء تحليل منهجي.باستخدام خصائص القنوات المصفاة (filtered channel features)، حققنا أداءً رفيع المستوى على مجموعتي البيانات الصعبتين كالتك (Caltech) وكايتاي (KITTI)، مع استخدام HOG+LUV فقط كخصائص أولية. عند إضافة خصائص التدفق البصري (optical flow features)، نحسن جودة الكشف بشكل أكبر ونبلغ أفضل النتائج المعروفة على مجموعة بيانات كالتك، حيث نصل إلى نسبة استرجاع تبلغ 93% عند معدل خطأ زائف إيجابي واحد لكل صورة (1 FPPI).