视频监控应用于生活的各个方面,给政府维护社会安全带来了便利。但也存在问题,即在发生突发事故后,海量的监控视频需要耗费大量的人力来搜索关键视频片段。随着人工智能的快速发展,应用在视频监控上的技术也越来越成熟,使得自动识别定位成为可能。而视频中的行人是监控的重点,服装是行人最显著的特征,若能进行有效的服装属性识别,则有利于行人的自动识别跟踪。不仅能提高工作人员的效率,对行人行为解析也具有重要意义。本论文基于深度学习,对行人服装识别方法开展研究,本文的主要工作如下:(1)介绍了行人服装属性识别的研究背景及意义,对目前国内外深度学习、行人检测和服装识别方法的发展现状进行了概述。阐述了卷积神经网络的相关知识,其中主要有:组成卷积神经网络的单元层和单元层组合的宏观结构、损失函数、正则化方法、神经网络参数优化方法和16层视觉几何群网络模型。(2)构建了一种单步多框的行人检测算法(Single Shot Multi Box Pedestrian Detector,SSPD),在保证实时的情况下可以达到较高的精度。在该算法中,底层的特征层负责检测图片中占比例较小的行人,高层的特征层负责检测比例较大的行人。该方法有助于提高行人检测的召回率,尤其是比例较小的行人。同时,设计了一种新的长宽比先验框(0.41:1)用于降低错误率和加快行人检测速度。然后,通过优化原始SSD损失函数以便更适应行人检测,这样不仅可以消除分类器的干扰还可以降低时间复杂度。仿真结果表明,本文提出的算法在帧率达到20 fps的情况下,行人检测准确率达到了88.12%。与其它算法的比较结果表明,本方法是适用于实际行人检测的最佳模型,是一种在精度和速度上能够达到平衡的算法。(3)构建了一种多任务分步迁移深度学习网络模型(Multi-Task Stage Transfer Deep Learning,MTST),可在户外行人服装数据集严重缺乏的情况下,识别户外无约束条件下的行人服装属性。该方法使用了像人类学习一样由易到难的分步学习策略,先对电商网站带有标签注释的源图片进行特征提取,设置的损失函数有利于提取更多区别属性的特征,然后将学到的属性迁移到无约束条件下的目标图片中。结合本文提出的行人检测算法,将行人检测模型中提取到的前景框输入该模型,综合属性识别准确率达到了64.8%。将该方法与其它典型的服装属性识别深度学习模型进行了比较,在训练集少于4000张图片的情况下,比目前公认最好的FashionNet方法高出约6%。结果表明,MTST识别服装属性的准确率有了一定的提高。