行人检测中的一个关键问题是检测小尺度目标，这些目标在图像和视频中会引入微弱的对比度和运动模糊，我们认为这在一定程度上是由根深蒂固的标注偏差造成的。基于此动机，我们提出了一种结合体拓扑线定位（TLL）和时间特征聚合的新方法，用于检测多尺度行人，该方法特别适用于距离摄像头较远的小尺度行人。此外，我们引入了一种基于马尔可夫随机场（MRF）的后处理方案，以消除遮挡情况下的模糊性。通过综合应用这些方法，我们在Caltech基准数据集上取得了最佳的检测性能，并显著提高了小尺度目标的检测效果（漏检率从74.53%降至60.79%）。除此之外，我们在CityPersons数据集上也取得了具有竞争力的性能，并展示了KITTI数据集中存在标注偏差的现象。