本发明公布了一种复杂场景下行人细粒度属性的识别方法，采用分类模型对检测出的行人的子部件进行细粒度属性识别；将识别出的属性分别与行人性别进行关联分析，选取相关性强的属性进行多任务学习；再训练多任务学习构建的卷积神经网络模型，并针对多个属性选出识别正确率最高的卷积神经网络模型结果，作为最终结果；最后根据自定义的决策函数来判断行人的性别属性。本发明可实现对复杂场景中行人由整体到局部的检测，实现对行人子部件属性更精准的检测与识别，能够避免背景等信息的干扰，同时也解决了模型对小目标检测正确率低的问题，具有较高的识别精度。