Die multispектrale Fußgängererkennung hat in den letzten Jahren als vielversprechende Lösung zur robusten Erkennung von menschlichen Zielen für rund-um-die-Uhr-Anwendungen (z.B. Sicherheitsüberwachung und autonome Fahrt) erhebliche Aufmerksamkeit erfahren. In dieser Arbeit zeigen wir, dass Beleuchtungsinformationen, die in multispектralen Bildern kodiert sind, genutzt werden können, um die Leistungsfähigkeit der Fußgängererkennung erheblich zu verbessern. Ein neues, beleuchtungsabhängiges Gewichtungsverfahren wird vorgestellt, das die Beleuchtungsbedingungen einer Szene präzise abbildet. Diese Beleuchtungsinformationen werden in zweistromige tiefe Faltungsneuronale Netze integriert, um multispектrale menschenbezogene Merkmale unter verschiedenen Beleuchtungsbedingungen (Tages- und Nachzeit) zu lernen. Darüber hinaus nutzen wir Beleuchtungsinformationen zusammen mit multispектralen Daten, um eine genauere semantische Segmentierung zu generieren, die verwendet wird, um die Genauigkeit der Fußgängererkennung zu steigern. Alles zusammengesetzt präsentieren wir ein leistungsstarkes Framework für die multispектrale Fußgängererkennung basierend auf dem mehrfachen Lernen von beleuchtungsabhängiger Fußgängererkennung und semantischer Segmentierung. Unser vorgeschlagenes Verfahren wird von Anfang bis Ende mithilfe einer gut konzipierten Mehrfach-Aufgaben-Fehlfunktion trainiert und übertrifft den aktuellen Stand der Technik im KAIST multispектralen Fußgängerdatensatz.请注意，"multispectral" 一词在德语中通常写作 "multispektral". 因此，我将原文中的 "multispectral" 更正为 "multispektral". 如果您有其他特定要求，请告知。