行人属性识别具有智能性、精确性、实时性等显著特征,其研究与应用对于商业、安保、城管等领域中行人身份识别、行人检索、个性化服务应用具有重要的现实意义。本文以行人属性识别系统为研究对象,结合视频监控的日益普及亟待智能化的需求,针对银行、商场等拥有行人属性识别潜在应用价值的监控场景,设计并实现了具有深度学习的行人属性识别系统。在对系统的需求和可行性进行分析的基础上,给出了系统的总体架构与组成、工作流程和交互界面,该系统涉及到行人检测和行人属性识别、相关的对象检测网络和属性特征提取网络等方面。在系统设计中对RFBNet进行了网络结构上的压缩改进,以提升行人检测的性能;在Market-1501数据集基础上设计了基于Res Net50提取特征的多属性分类器网络,以实现系统中行人属性的识别;提出了基于属性识别模型的相邻帧增强属性识别技术,以提高系统的识别准确率。基于行人检测模型和行人属性识别模型的设计基础之上,进行了系统的实现,并对系统进行了准确率和速度方面的评估,其中改进的RFBNet参数模型压缩率达到了10%,行人检测模型和属性识别模型的准确率在各自测试集上分别达到了0.73和0.90,系统识别速度达到了1.6fps。总的来说,设计并实现了一个具有高精度、实时性等显著特征的行人属性识别系统,为今后更多的行人属性识别系统开发奠定了基础。