Une question cruciale dans la détection des piétons est la détection d'objets à petite échelle qui introduisent un contraste faible et un flou de mouvement dans les images et les vidéos. Selon nous, cette difficulté devrait en partie être attribuée au biais d'annotation profondément ancré. Motivés par cette constatation, nous proposons une nouvelle méthode intégrant la localisation topologique somatique (TLL) et l'agrégation de caractéristiques temporelles pour détecter des piétons à différentes échelles, notamment ceux qui sont relativement éloignés de la caméra. De plus, un schéma de post-traitement basé sur le champ aléatoire de Markov (MRF) est introduit pour éliminer les ambiguïtés dans les cas d'occlusion. En appliquant ces méthodologies de manière globale, nous obtenons les meilleures performances de détection sur le benchmark Caltech et améliorons considérablement les performances pour les objets à petite échelle (le taux de manquement passe de 74,53 % à 60,79 %). Au-delà de cela, nous obtenons également des performances compétitives sur le dataset CityPersons et montrons l'existence d'un biais d'annotation dans le dataset KITTI.