本发明属于模式识别、计算机视觉、视觉场景分析及多标签分类领域，具体涉及了一种基于属性特征学习解耦的行人属性识别方法及系统，旨在解决有技术采用相同的特征分类不同的属性，从而行人属性识别的有效性低、鲁棒性不强的问题。本发明包括：通过基于深度神经网络构建的特征提取模型，并提取待识别预处理图像的卷积图像特征；预设可学习参数并获取每个类别属性的属性索引特征；通过语义空间互注意力模块提取属性特征和索引注意力图；以前一个语义空间互注意力模块的输出作为当前模块的输入进行迭代；通过属性分类器进行迭代获得的最终的待识别图像属性特征的分类。本发明可应用于各场景的行人图片属性识别，并能显著提高行人图片属性识别的性能。