行人检测框架推荐：Faster R-CNN、YOLOv4、CenterNet 和 RetinaNet

当前比较好的行人检测框架有以下几个：

Faster R-CNN: Faster R-CNN 是一种基于深度学习的目标检测框架，其在行人检测方面表现良好。它使用 Region Proposal Network (RPN) 来生成候选区域，并使用 RoI Pooling 来提取特征。Faster R-CNN 具有较高的准确性和较低的误报率。
YOLOv4: YOLOv4 是一种基于深度学习的实时目标检测框架，其在行人检测方面表现出色。它使用 Darknet-53 作为骨干网络，并使用多尺度特征融合和 SPP 模块来提取特征。YOLOv4 具有较高的准确性和较快的检测速度。
CenterNet: CenterNet 是一种基于单阶段检测的目标检测框架，其在行人检测方面表现优秀。它使用中心点作为目标的表示，并使用卷积神经网络来预测目标的中心点和边界框。CenterNet 具有较高的准确性和较低的计算复杂度。
RetinaNet: RetinaNet 是一种基于深度学习的目标检测框架，其在行人检测方面表现良好。它使用 Focal Loss 来解决类别不平衡问题，并使用 FPN 来提取多尺度特征。RetinaNet 具有较高的准确性和较低的误报率。

综上所述，Faster R-CNN、YOLOv4、CenterNet 和 RetinaNet 都是当前比较好的行人检测框架。具体选择哪种框架需要根据具体应用场景和需求进行综合考虑。