在真实监控场景下的视觉行人属性,如性别、衣着类型,对行人检索和行人重识别非常重要。传统的行人属性识别算法,采取人工提取特征,而且忽视行人属性特征之间的关联。受到卷积神经网络在传统计算机视觉任务中出色表现的启发,提出一种基于卷积神经网络的行人属性识别方法在监控场景下识别行人属性。卷积神经网络在训练过程中可以自动提取行人特征。重新定义的损失函数,可以同时考虑所有行人属性特征之间的联系。相比于传统方法,该算法实施简单且识别精度更高。