Dieses Papier ausgehend von der Beobachtung, dass mehrere top-performante Fußgängererkennungsverfahren durch die Verwendung einer Zwischenschicht zur Filterung niedrigstufiger Merkmale in Kombination mit einem boosteten Entscheidungsbaumwald modelliert werden können. Auf Basis dieser Beobachtung schlagen wir ein einheitliches Framework vor und untersuchen experimentell verschiedene Filterfamilien. Wir berichten umfangreiche Ergebnisse, die eine systematische Analyse ermöglichen.Durch die Verwendung gefilterter Kanalmerkmale erzielen wir Spitzenleistungen auf den anspruchsvollen Caltech- und KITTI-Datensätzen, wobei wir nur HOG+LUV als niedrigstufige Merkmale verwenden. Bei Hinzunahme von Optischen Flussmerkmalen verbessern wir die Erkennungsqualität weiter und berichten über die besten bekannten Ergebnisse auf dem Caltech-Datensatz, bei denen eine Recall-Rate von 93 % bei 1 Falsch-Positiv pro Bild (FPPI) erreicht wird.