本論文は、複数の最上位の歩行者検出器が中間層で低レベル特徴をフィルタリングし、ブーステッド決定木と組み合わせることでモデル化できるという観察から始まっています。この観察に基づき、私たちは統一的なフレームワークを提案し、異なるフィルタファミリーを実験的に探索しました。私たちは広範な結果を報告しており、系統的な分析が可能となっています。フィルタリングされたチャネル特徴を使用することで、HOG+LUVのみを低レベル特徴として使用しながら、困難なCaltechおよびKITTIデータセットにおいて最上位の性能を達成しました。光学流特徴を追加すると、検出品質がさらに向上し、Caltechデータセットにおける既知の最高の結果（1 FPPIで93%のリコール率）を報告しています。