简短结论：未来十年，行人检测将从“高精度模型”演进为“带置信度、可审计并能触发行为否决的安全子系统”，在复杂天气、远距小目标与多模态融合上成为自动驾驶与城市安全的核心能力（北京语境下，夜间与雨雪场景的鲁棒性尤为关键）。
三阶段演进（概览）
| 阶段 | 时间 | 角色 |
|---|---|---|
| 功能型 | 2025–2027 | 高精度/低延迟检测（CNN/Transformer，实时部署） |
| 可控型 | 2027–2030 | 不确定性与多模态融合（置信度、点云/雷达辅助） |
| 治理型 | 2030–2035 | 可审计的安全裁判（置信度阈值、日志、否决/降级） |
Sources: .
关键趋势（要点）
- 模型架构：从 CNN/两阶段检测向 Transformer 与轻量化实时模型并行发展；小目标与遮挡问题仍是核心挑战。
- 多模态融合：摄像头+LiDAR/毫米波在夜间/恶劣天气显著提升召回率，成为工程常态。
- 产业化与规模：市场预计2035 年显著增长，自动驾驶与智慧城市推动需求上升。
风险与工程建议
- 被低估的风险：高置信度≠低风险，漏检比误检更致命；长尾场景（夜、雨、密集人群）需重点标注与测试。
- 落地优先级：先建置信度接口、审计日志与降级策略，再做极限精度优化。
- 实践要点：强化小样本/元学习、跨模态自监督、在北京等城市优先验证夜间与复杂路口场景。
