近年来,视频监控系统在日常生活中得到广泛应用。在高速路口、十字路口、停车场门口等处都安装部署了大量监控摄像头,提供了海量的视频监控数据。人们迫切希望获取视频中有关行人的更多有用信息,例如性别特征、年龄特征、外观特征等。传统的监控系统中,通过人工观察的方式获取行人属性信息,该方式效率低下,难以满足实际应用需求。针对交通监控场景,本文提出了一种基于图像分割的多深度特征融合行人属性识别方法。该方法主要分为深度特征提取和深度特征融合两个阶段。在深度特征提取阶段,本文设计了多任务行人属性识别卷积神经网络,该卷积神经网络可输出不同属性,同时提取行人性别特征、年龄特征和出行方式特征。其中,网络中各属性之间共享卷积层,充分利用了各属性之间的联系,降低了网络参数的数量,提高了特征提取效率。在特征融合阶段,本文提出了一种基于识别结果的决策级特征融合算法,与特征级联的融合算法相比,进一步提高行人属性识别的准确率。此外,本文建立了一个交通监控场景下的行人属性的数据集,并对数据集中数据进行了标注。与以往数据集不同,它面向交通场景,主要针对远距离小目标的行人,图像分辨率比较低,在90*40左右,更加贴近真实场景。数据集共包括21385张图片数据,均来自真实的交通监控视频,行人图片背景多样。