近年来，基于生物特征的身份鉴别技术成为信息技术领域的研究热点。为了更加充分、有效地利用人体所包含的丰富的生理特征和行为特征，需要在更广泛的领域进行探索和深入研究。 人体站立或行走条件下，脚掌面通过力的传递作用在承痕体上形成的痕迹即为足迹，足迹也是一种载荷着人体生物特征的重要的痕迹信息。虽然足迹身份鉴别在刑事侦查等领域得到了长期的应用并积累了一定的专家经验，由于足迹形成条件多变，数据采集、测量和特征描述与识别难度大，国内外学术界对于足迹所载荷的生物特征及其规律的研究尚不够活跃。足迹生物特征识别领域还有大量的基础问题和应用技术需要研究和解决。 本文以立体足迹深度数据为研究对象，运用深度图像分析和模式识别技术，探索立体足迹生物特征识别的科学性，研究立体足迹三维表面的分割、描述、特征提取和识别方法。本文的主要创新点表现在以下五个方面： 1、提出基于随机Hough变换的深度图像分割算法。该算法采用随机Hough变换在深度图像中寻找平面区域，实现深度图像的分割。由于Hough变换利用了对局部噪声不敏感的全局信息，同时又避免了对噪声敏感的曲面表面曲率估计，算法对噪声不敏感。以ABW深度图像库为测试数据，采用深度图像分割性能评估算法，与四种经典的深度图像分割算法作了比较，表明该算法的分割性能较好。 2、提出基于曲面表面主曲率和主方向的深度图像分割算法。算法以深度图像表面的峰面区域(两个主曲率均为负)为种子区域，依据图像上各象素点处的主曲率和主方向的变化关系进行区域生长，最后使生长停止于主曲率的局部极大值处。该算法将边缘检测应用于区域生长规则中，充分发挥了边缘方法和区域生长方法两者的优点，实现了三维曲面边界的精确定位。 3、针对立体足迹深度数据采集分辨率低、噪声干扰严重等特点，综合运用插值、平滑、基于曲面表面主曲率和主方向的深度图像分割、多尺度融合、测地重建、水线分割等技术手段，构成一种实用的立体足迹深度图像分割方法。实验表明，分割结果既保留了区域的真实边界信息，又消除了大部分噪声引起的虚假边缘，得到的区域有明显的物理意义。 4、在足迹深度图像分割和研究足部骨骼生理结构的基础上，结合足迹识别专家知识，提出一种有效描述立体赤足迹三维表面形态特征的参数模型。该模型以超二次曲面描述足迹五趾、前掌和足跟区域的重压面，用马鞍面描述足弓区域的曲面，从而用107个参数刻画划足迹模型。足迹经三维描述后，不但简化了足迹的描述，而且进一步排除噪声的干扰使提取的特征更加稳定。