随着“智慧城市”建设的不断推进,人们对公共安防提出了高效化、智能化的要求。传统的人工方式已难以处理日益增长的监控数据,因此需要一种能对监控视频结构化数据进行自动化提取与管理的方法。本文以行人视频数据结构化为中心,结合深度学习相关算法,分别从数据集智能标注、行人属性信息的精细化提取与描述、多目标关联与跟踪方法以及视频结构化系统设计四个方面展开工作,取得了如下成果:1)为了满足行人视频数据结构化过程中,对行人检测及行人对象属性提取等深度学习模型增强训练的需要,设计了增强的人在环中的深度学习视频数据标注软件。该软件基于人在环中的智能标注思想,在已有的目标检测标注工作的基础上,通过结合相应的深度学习模型,增加了图像分割标注、行人对象属性标注以及目标图像序列标注三个标注功能模块,并以此制作了行人属性数据集,为后续研究提供了数据基础。2)监控视频中行人目标及其属性是监控视频数据结构化中的重要信息,为了对监控视频中行人对象属性信息进行提取,设计了行人目标检测与行人对象属性提取两级深度学习网络。此外,为了更直观地反映行人对象属性间的关联关系,本文还通过关联规则挖掘算法挖掘属性间的关联规则,并引入有向超图模型对属性间的关联关系进行描述。3)监控视频中的分立目标序列是监控视频数据结构化中的另一种重要信息,为了在监控视频中建立分立的行人目标序列,需要将视频中前后两帧中同一行人目标关联起来,为此本文提出了融合行人对象属性与时空属性的分立行人目标序列关联方法。该关联方法分别在时间、空间、外观相似性等维度上对分立目标间的距离进行度量。最终通过计算分立目标间的融合距离获得关联代价矩阵,从而实现分立行人目标序列的关联。4)在上述工作的基础上,通过对行人视频数据的结构化描述,设计了行人结构化数据提取与管理的实验系统。该系统主要包含行人检测及对象属性提取模块、分立行人目标序列关联数据生成模块、深度学习引擎模块、服务端模块、客户端等模块,实现了对行人结构化数据的提取与管理。