En los últimos años, los vehículos autónomos se han vuelto cada vez más populares debido a su amplia influencia en la sociedad, ya que aumentan la seguridad y comodidad de los pasajeros, reducen el consumo de combustible, disminuyen los bloqueos de tráfico y accidentes, ahorran costos y mejoran la fiabilidad. Sin embargo, los vehículos autónomos sufren de algunos errores de funcionalidad que deben ser minimizados antes de ser desplegados por completo en las carreteras principales. La detección de peatones es una de las tareas más importantes (errores de funcionalidad) en los vehículos autónomos para prevenir accidentes. Sin embargo, la detección precisa de peatones es una tarea muy desafiante debido a los siguientes problemas: (i) oclusión y deformación y (ii) imágenes de baja calidad y multiespectrales. Recientemente, las tecnologías de aprendizaje profundo (DL) han mostrado un gran potencial para abordar los problemas de detección de peatones mencionados anteriormente en los vehículos autónomos. Este documento de investigación proporciona una visión general de los problemas de detección de peatones y los avances recientes realizados para abordarlos con la ayuda de técnicas de DL. También se presentan discusiones informativas y trabajos de investigación futuros, con el objetivo de ofrecer ideas a los lectores y motivar nuevas direcciones de investigación.