Voetgangersdetectie is een belangrijke maar uitdagende taak in veel computer vision-toepassingen, zoals autonoom rijden en videobewaking. In het afgelopen decennium, met het verschijnen van verschillende grootschalige voetgangersdatasets en de ontwikkeling van computer vision-technologieen, zijn de nauwkeurigheid en betrouwbaarheid van moderne voetgangersdetectoren aanzienlijk verbeterd. Er zijn echter nog meer gedetailleerde studies nodig om een aantal uitdagende situaties aan te pakken. Het occlusieprobleem is een onvermijdelijk probleem voor voetgangersdetectie. In de stedelijke straten wordt een voetganger vaak gedeeltelijk of zelfs volledig afgesloten door de naburige voetgangers of voertuigen, terwijl de miss-rate van gewone voetgangersdetectoren veel zal toenemen wanneer occlusie optreedt. Een ander probleem bij voetgangersdetectie is het lage contrast in sommige situaties. Wanneer het bijvoorbeeld 's nachts of op bewolkte dagen is, zal de slechte lichtconditie het erg moeilijk maken voor de detector om voetgangers alleen te herkennen aan zichtbare camera's. Ook het effici\"{e}ntieprobleem is een grote zorg voor voetgangersdetectie, omdat de moderne detectoren gewoonlijk gebaseerd zijn op diepe neurale netwerken, die hoge reken- en opslagkosten vereisen. Om de hierboven genoemde uitdagende problemen aan te pakken, richt dit proefschrift zich op drie specifieke onderwerpen: occlusieafhandeling, RGB-D-detectie en netwerkversnelling.