La détection de piétons multispectrale est une tâche importante et précieuse dans de nombreuses applications, car elle permet d’obtenir des résultats de détection plus précis et fiables en exploitant les informations visuelles complémentaires provenant d’images couleur et thermiques. Toutefois, elle fait face à deux défis ouverts et complexes : 1) comment intégrer efficacement et dynamiquement les informations multispectrales en fonction de la confiance associée à chaque modalité, et 2) comment produire une prédiction fiable. Dans cet article, nous proposons une nouvelle méthode de détection de piétons multispectrale consciente de la confiance (CMPD), qui apprend de manière flexible la représentation multispectrale tout en générant simultanément un résultat fiable avec estimation de confiance. Plus précisément, une stratégie de fusion dense est d’abord introduite pour extraire une représentation multispectrale multiliveau au niveau des caractéristiques. Ensuite, un sous-réseau supplémentaire de confiance est utilisé pour estimer de manière dynamique la confiance de détection pour chaque modalité. Enfin, la règle de combinaison de Dempster est appliquée pour fusionner les résultats provenant de différentes branches selon les valeurs de confiance corrigées. La méthode CMPD proposée permet non seulement une intégration efficace des informations multimodales, mais fournit également une prédiction fiable. Des résultats expérimentaux étendus démontrent l’efficacité de notre algorithme par rapport aux méthodes de pointe actuelles.