Les méthodes classiques de détection de piétons se concentrent généralement soit sur la résolution des occlusions mutuelles entre piétons en situation de forte densité, soit sur la gestion des différentes échelles des piétons. La détection de piétons présentant de fortes diversités d'apparence — telles que des silhouettes variées, des points de vue différents ou des tenues vestimentaires distinctes — reste toutefois un défi majeur. Contrairement aux approches existantes qui apprennent individuellement chaque caractéristique d'apparence des piétons, nous proposons d’adopter un apprentissage contrastif afin de guider l’apprentissage des caractéristiques de manière à minimiser la distance sémantique entre les piétons aux apparences différentes dans l’espace des caractéristiques apprises, réduisant ainsi les divergences d’apparence, tout en maximisant la distance entre les piétons et le fond. Pour améliorer l’efficacité et l’efficacité de l’apprentissage contrastif, nous construisons un dictionnaire d’exemples basé sur des apparences représentatives de piétons, servant de connaissance a priori afin de former des paires d’entraînement contrastif pertinentes et ainsi guider efficacement l’apprentissage. Par ailleurs, ce dictionnaire d’exemples est également exploité durant l’inférence pour évaluer la qualité des propositions de détection de piétons en mesurant la distance sémantique entre chaque proposition et le dictionnaire. Des expériences étendues sur des scénarios de détection de piétons en journée comme en nuit valident l’efficacité de la méthode proposée.