行人属性识别行人属性识别，目的是从输入图像中挖掘行人的属性信息。行人属性识别挖掘得到的是行人的高层语义信息，这些信息和低层特征不同，对视角变换和成像条件的变化比较鲁棒。计算机视觉领域的很多算法，如ReID和行人检测，都会集成行人的属性信息以提升算法的鲁棒性。虽然，RAP领域已经有了很多的研究成果，但因为视角、光线、分辨率等因素的影响，它仍然是一个很有挑战性的领域。早期的行人属性识别领域主要用的是手工设计的低层特征，如HOG、SIFT，再结合分类算法SVM和条件随机场(CRF)，这些算法在实际应用中的效果不理想。近年来，随着深度学习的发展，也出现了很多的基于深度学习的RAP算法。
