Die Diskriminierung und Einfachheit von Merkmalen sind für eine effektive und effiziente Fußgängererkennung sehr wichtig. Allerdings sind die meisten Stand-der-Technik-Methoden nicht in der Lage, einen guten Kompromiss zwischen Genauigkeit und Effizienz zu erzielen. Inspiriert durch einige einfache, inhärente Eigenschaften von Fußgängern (d.h., Erscheinungsbeständigkeit und Formsymmetrie), schlagen wir zwei neue Arten von nicht-nachbarschaftlichen Merkmalen (NNM) vor: Seiten-Innen-Differenz-Merkmale (SIDM) und symmetrische Ähnlichkeitsmerkmale (SAM). SIDM können die Differenz zwischen Hintergrund und Fußgänger sowie die Differenz zwischen dem Kontur des Fußgängers und dessen Innerem charakterisieren. SAM können die symmetrische Ähnlichkeit der Form des Fußgängers erfassen. Es ist jedoch schwierig, solche obigen Charakterisierungsfähigkeiten mit nachbarschaftlichen Merkmalen zu erreichen. Schließlich schlagen wir vor, sowohl nicht-nachbarschaftliche als auch nachbarschaftliche Merkmale für die Fußgängererkennung zu kombinieren. Es wurde festgestellt, dass nicht-nachbarschaftliche Merkmale den durchschnittlichen Fehlerrate um 4,44 % weiter senken können. Experimentelle Ergebnisse auf den INRIA- und Caltech-Fußgängerdatensätzen belegen die Effektivität und Effizienz der vorgeschlagenen Methode. Im Vergleich zu Stand-der-Technik-Methoden ohne Verwendung von CNN erreicht unsere Methode auf Caltech die beste Erkennungsleistung, wobei sie die zweitbeste Methode (d.h., Checkboards) um 1,63 % übertrifft.