近年来,全国各大中小城市已经布满了各种型号的监控摄像头,海量的监控图像极大丰富了人脸以及行人分析任务的应用场景。在此背景下,研究智能视频理解技术,让计算机实现突发事件的准确预测和快速响应,已成为安防领域的核心需求之一。在视频监控领域,行人是主要的监控对象,人脸属性作为面部的重要信息被广泛的应用在人脸识别和人脸检索等任务中。人脸属性识别定义为给定一张人脸图像,经过特征提取,预测出一系列外观属性。根据属性的描述范围,可以将属性分为全局属性和局部属性,对于局部属性首先应定位出局部区域,使用局部特征来提升属性识别精度。此外,在实际应用场景下,由于受到拍摄条件和相机质量的影响,监控摄像头拍摄的图片多为低分辨率图片,这种图片缺少面部细节特征,所以常规识别方法无法有效地处理低分辨率图片。针对以上问题本文的主要研究内容如下:（1）提出了基于弱监督局部区域定位的人脸属性识别网络。本文在该网络中设计了一个属性定位模块（Attribute Localization Module,ALM）。与现有的方法不同,ALM仅利用图像级别的属性标注就可以关注到属性存在的局部区域,并利用局部区域的特征来改善面部属性识别效果。此外,本文还引入了自下而上跳跃连接（Bottom-up Skip Connection）的结构以融合多个卷积层的特征,通过将底层细节特征融合到顶层语义特征中可以提高属性区域定位的准确性。（2）为了解决低分辨率属性识别问题,本文提出了一个端到端的多任务生成对抗网络（Multi-task Generative Adversarial Network,MTGAN）,其中生成器是一个超分辨率网络,主要负责将低分辨率图片上采样到一个合适的尺度,并恢复出细节信息。判别器是一个多任务网络,负责分辨输入的图片的真假,以及对人脸属性进行预测。在训练过程中,判别器的属性识别损失也会反向传播到生成器,引导其恢复出有助于属性识别的细节特征。（3）本文收集了一个人脸多属性数据集（Face multi-attribute dataset,FMAD）,该数据集中的图片均由监控摄像头在真实场景下进行拍摄。共包含17756张图片,每一张图片标有13个属性。为了高效而准确的进行标注,本文还开发了一款属性标注工具,该工具操作简单、界面友好、可拓展性强。