본 논문에서는 강인한 보행자 검출을 위한 계층적인 분류기 모델을 제안한다. 제안하는 분류기 모델은
기준 검출기와 전문 검출기의 두 단계로 구성되며, 기준 검출기는 전문 검출기가 학습해야 할 데이터들을
크게 줄여줌으로써 전문 검출기가 더 좋은 성능을 갖도록 하는 역할을 한다. 전문 검출기는 기준
검출기에서 보행자라고 판단한 데이터에 대하여 다시 한 번 보행자 여부를 검사함으로써, 잘 못 분류된
데이터를 바로잡아주는 역할을 한다. 기준 검출기에서 검사해야 하는 데이터가 영상 당 10개인데 비하여
전문 검출기는 기준 검출기의 검출 결과에 대해서만 적용되므로 10개 정도의 데이터에 대해서만 추가적인
계산을 함으로써 기준 검출기의 검출 성능을 향상시킬 수 있다. 변형 가능한 부분 모델(Deformable Part
Model)을 기준 검출기로 이용하였으며, 최근 가장 많이 사용되는 Caltech 보행자 데이터 셋에서 제안한
분류기 모델이 로그 평균 미탐지율을 49.38%에서 43.28%로 개선하였다.