La detección de peatones siempre ha sido un tema difícil y destacado en la investigación de visión por computadora. Al mismo tiempo, la tecnología de detección de peatones juega un papel importante en muchas aplicaciones, como el transporte inteligente y la monitorización de seguridad. En escenas complejas, la detección de peatones a menudo enfrenta algunos desafíos, como baja precisión de detección y falsas detecciones debido a tamaños de objetivo pequeños y variaciones de escala. Para resolver estos problemas, este artículo propone una red de detección de peatones PT-YOLO basada en el YOLOv5. La red de detección de peatones PT-YOLO consta de la red YOLOv5, el módulo de compresión y excitación (SE), el módulo de pirámide de características bidireccional ponderado (BiFPN), el módulo de convolución de coordenadas (coordconv) y la función de pérdida de intersección sabia sobre unión (WIoU). El módulo SE en la columna vertebral le permite enfocarse en las características importantes de los peatones y mejorar la precisión. El módulo ponderado BiFPN mejora la fusión de características de peatones de múltiples escalas y la transferencia de información, lo que puede mejorar la eficiencia de fusión. El diseño de la cabeza de predicción utiliza la función de pérdida WIoU para reducir el error de regresión. El módulo coordconv permite a la red percibir mejor la información de ubicación en el mapa de características. Los resultados experimentales muestran que la red de detección de peatones PT-YOLO es más precisa en comparación con otros métodos de detección de objetivos en la detección de peatones y puede cumplir efectivamente la tarea de detección de peatones en escenas complejas.