La discrimination et la simplicité des caractéristiques sont très importantes pour une détection efficace et efficiente des piétons. Cependant, la plupart des méthodes de pointe ne parviennent pas à trouver un bon équilibre entre précision et efficacité. Inspirés par certaines attributs inhérents simples des piétons (c'est-à-dire, la constance d'apparence et la symétrie de forme), nous proposons deux nouveaux types de caractéristiques non voisines (CNV) : les caractéristiques de différence latéro-interne (CLDI) et les caractéristiques de similarité symétrique (CSS). Les CLDI peuvent caractériser la différence entre l'arrière-plan et le piéton ainsi que la différence entre le contour du piéton et sa partie interne. Les CSS peuvent capturer la similarité symétrique de la forme du piéton. Cependant, il est difficile pour les caractéristiques voisines d'avoir ces capacités de caractérisation. Enfin, nous proposons de combiner à la fois des caractéristiques non voisines et voisines pour la détection des piétons. Il a été constaté que les caractéristiques non voisines peuvent réduire davantage le taux moyen de manquement de 4,44 %. Les résultats expérimentaux sur les ensembles de données INRIA et Caltech démontrent l'efficacité et l'efficience de notre méthode proposée. Comparée aux méthodes de pointe qui n'utilisent pas les CNN, notre méthode obtient les meilleures performances de détection sur Caltech, surpassant la deuxième meilleure méthode (c'est-à-dire, Checkboards) de 1,63 %.