随着监控系统在城市的广泛应用,监控视频中行人的检测与识别日益成为智能监控领域的重点与难点,而自动识别行人的各部分属性已经成为一项重要的课题。在实际应用中,一个常见的问题就是监控人员想要根据目标的特征来搜索指定的行人。在智能化监控系统出现之前,监控人员只能用肉眼在监控画面中搜索目标。但随着监控摄像头数量的不断增长,海量的监控视频无疑给监控人员带来了巨大的挑战,这使得自动识别监控画面中行人的精细化属性具有了重要的实际意义。但由于监控画面中行人属性的多样性与复杂性,使得这项任务面临着重重挑战。传统的机器学习方法将这个问题转化为行人的多标签分类问题,利用支持向量机或卷积神经网络等方法对行人的各个属性进行分类。不同于已有思路,本文借鉴图像描述任务的思想,将行人属性的分类问题转化为行人属性的“生成”问题,提出利用卷积神经网络和递归神经网络对行人图像进行属性识别的新方法。该方法首先通过将行人的各类属性标签进行整合从而得到属性的上下文信息,然后利用卷积神经网络提取图像视觉特征,利用长短期记忆网络(LSTM)对上下文信息进行分析得到属性间的联系,最终产生对行人的属性进行描述。进一步又提出了基于引导型长短期记忆网络属性识别模型,增加了属性描述的引导信息。通过在PETA这一基准数据集上的实验,证明所提方法的有效性和先进性。