近些年来,随着公众对社会安全问题的广泛关注,越来越多的视频监控系统被应用在生活中。在监控视频中,人们迫切希望从其中获取跟行人有关的信息,比如性别特征、年龄特征、身高特征等。在传统的视频监控中,通过人工观察方式来获取行人属性信息,但是该方法只适用数据量较小的视频。对于海量的监控视频来说使用该方法将会耗用大量的人力、物力,并且准确率较低,难以满足实际的应用需求。因此需要对监控视频进行智能化的研究,该研究方向对于社会的发展有着重要的意义。行人属性并没有完整的定义,本文主要是对行人的性别属性、身高属性进行研究分析。针对在视频监控中的行人,采用局部特征检测的方法来进行性别识别,以及根据摄像机的成像原理来估计身高。主要研究工作有:首先,本文在混合高斯背景建模的基础上动态更新每一个像素的学习率,在改变背景的视频中也能提取出较好的前景运动目标。提取出来的前景运动目标再使用DPM算法进行检测,将行人区域从复杂的区域中分离出来,为后续的属性精准检测奠定了基础。然后,针对一段视频中同一目标会出现多帧的情况,对前景行人进行跟踪,避免了每一帧都要检测的问题。本文通过对Mean-shift、ASMS以及KCF三种跟踪算法在不同场景下进行跟踪,得出KCF跟踪效果优于另外两种,因此采用KCF跟踪算法进行行人跟踪。接下来,提出了一种提取行人局部区域特征的方法来进行性别检测。使用卷积神经网络和HOG提取行人躯体局部特征,进而将两种特征相结合来进行性别检测,相较于传统特征提取正确率有了很大提升。最后,根据成像原理进行摄像机标定求得内外参数,再根据前景区域中心和其最小特征值对应的特征向量求得人体主轴线,主轴线与前景框的交点作为行人头顶点与垂足点的图像像素坐标,根据转换关系求得对应空间坐标,最终求解出身高。本文提出的对行人属性分析的方法,在自建数据库中男性性别识别正确率为84.5%,女性性别识别正确率为81.5%,并且能够对视频中的行人进行有效的检测识别,身高估计方面误差不超过1.9%,证明了算法的有效性。