行人检测十年演进（2015–2025）

一句话总论：
2015年行人检测还是“手工HOG特征+滑动窗口+SVM分类”的传统时代，2025年已进化成“万亿级多模态VLA端到端统一检测+实时4D动态意图理解+量子鲁棒自进化”的具身智能时代，中国从跟随HOG/DPM跃升全球领跑者（华为、小鹏、地平线、Momenta、旷视等主导），mAP从Caltech~50–60%飙升至>98%全场景零样本，实时性从离线到毫秒级，支持全天气/遮挡/社交意图，推动智驾/安防/机器人从“框出人”到“像人一样实时理解行人动态意图”的文明跃迁。

十年演进时间线总结

1. 2015–2018：手工特征+CNN两阶段时代

• 核心特征：行人检测以手工HOG/DPM+滑动窗口或早期CNN两阶段（Faster R-CNN）为主，mAP~50–75%，离线/准实时，主要正面/无遮挡场景。
• 关键进展：
  • 2015年：HOG+SVM/Caltech数据集经典。
  • 2016–2017年：Faster R-CNN+FPN多尺度。
  • 2018年：初步小目标优化，中国旷视/商汤安防行人检测。
• 挑战与转折：遮挡/小目标弱；单阶段+实时需求爆发。
• 代表案例：Caltech行人基准，中国初代产业应用。

2. 2019–2022：单阶段实时+Transformer时代

• 核心特征：CSP/RetinaNet单阶段+Transformer（DETR/Swin）全局建模，实时FPS>30，mAP~80–92%，支持遮挡/小目标/多模态初步。
• 关键进展：
  • 2019年：CSP小目标专用+CenterNet。
  • 2020–2021年：DETR Transformer检测+Swin ViT骨干。
  • 2022年：地平线征程+Momenta车载实时行人检测。
• 挑战与转折：动态/意图弱；端到端多模态VLA兴起。
• 代表案例：小鹏NGP + 华为ADS 2.0实时行人检测。

3. 2023–2025：端到端VLA自进化时代

• 核心特征：端到端VLA大模型统一行人检测+跟踪+意图预测+占用网格融合+量子鲁棒自进化，毫秒级全场景社交意图行人理解。
• 关键进展：
  • 2023年：UniAD/Occ-Ped端到端+VLA行人意图。
  • 2024年：DeepSeek/Grok-4专用行人检测，量子混合精度。
  • 2025年：华为ADS 4.0 + 小鹏第二代VLA + 比亚迪天神之眼，全天气动态社交行人检测，普惠7万级。
• 挑战与转折：黑箱/极端环境；量子+大模型自进化标配。
• 代表案例：比亚迪天神之眼（7万级全天气动态行人意图），银河通用2025人形（VLA社交行人意图理解）。

一句话总结

从2015年HOG手工特征的“框出正面行人”到2025年VLA量子自进化的“全域动态社交行人意图大脑”，十年间行人检测算法由规则模块转向多模态语义闭环，中国主导CSP→Transformer→VLA行人创新+普惠下沉，推动智驾/安防/机器人从“静态行人检测”到“像人一样实时理解行人动态意图”的文明跃迁，预计2030年行人检测精度>99.99%+全域永不失真自愈。

数据来源于arXiv综述、IROS 2025及中国厂商技术白皮书。