En el campo de los sistemas de transporte inteligente, la detección de peatones se ha convertido en un problema que necesita urgentemente una solución. La detección efectiva de peatones reduce los accidentes y protege a los peatones de lesiones. Se propone en este documento un algoritmo de detección de peatones, a saber, la coincidencia de plantilla única con agrupamiento de estimación de densidad del núcleo (STM-KDE). Primero, se utiliza el método de agrupamiento basado en KDE para extraer peatones candidatos en nubes de puntos. A continuación, las coordenadas de las nubes de puntos se transforman al sistema de coordenadas local de los peatones y se generan imágenes de proyección. Se extraen características de kernel de regresión localmente adaptativas de la imagen de proyección y se emparejan con las características de la plantilla utilizando la similitud del coseno, en base a la cual se distinguen los peatones de otros objetos columnares. Por último, se realizan experimentos comparativos utilizando conjuntos de datos de KITTI para verificar el rendimiento de la detección de peatones. En comparación con el algoritmo STM con vecino más cercano limitado radialmente (STM-RBNN) y el algoritmo de detección de peatones basado en KDE, el algoritmo propuesto puede segmentar peatones reunidos y distinguirlos de otros objetos columnares en escenarios reales.