现有的人脸属性识别方法要么通过属性分组提取特征，要么通过计算属性共现概率构建静态属性关系图。前者学习到的属性之间的互补信息不足，无法确定属性之间的相关性和属性之间的相关性程度。当人脸图像中存在偶然的共现属性对时，后者会产生偏差，这可能会降低模型的通用性。为了解决上述问题，提出了一种特征解耦与动态联合图卷积网络相结合的人脸属性识别方法。首先，利用深度卷积神经网络的Aristole-50算法提取包含属性表示信息的特征。然后设计特征解耦模块，学习每个属性对应的特定特征。最后，将属性关系的静态图和动态图结合起来，通过图卷积网络学习属性之间的相关性，并利用一维卷积层识别人脸属性。通过CelebA和LFWA数据集的验证，该方法的平均准确率分别为91.85%和88.17%，优于现有的许多方法