视觉属性识别（visual attribute analysis），工学-信息与通信工程-模式识别-物体跟踪-视觉属性识别，对视觉目标表观语义属性的识别技术。可实现对视觉目标的结构化精细描述，是计算机视觉研究的热点问题之一。基于视觉属性的特征表达也是描述视觉目标的一种有效中层表达，对光照和尺度等底层成像因素的变化的表达更具有鲁棒性。视觉属性识别不仅体现计算机视觉研究要求对视觉目标进一步实现细粒度和结构化描述的发展趋势，也是一种对视觉目标的高效表达方法，因而在目标检索、物体识别、行人再识别和行为识别等领域具有广阔的应用前景。视觉属性识别首先需要检测图像中的感兴趣视觉目标，之后针对目标区域进行图像特征抽取与分类器训练。早期视觉属性识别方法大多提取一些手工特征，并利用支持向量机进行属性分类。基于卷积神经网络的多尺度特征学习方法成为属性识别的主流。在训练策略方面，可分为基于单属性识别的策略和基于多属性联合识别的策略。基于单属性识别是指为每一个视觉属性都单独设计一个决策函数，其中一个属性的识别过程不受其他属性识别结果的影响。