基于足迹图像的身份识别技术是一种新型的生物特征识别技术。医学研究表明:人体足迹具有唯一性,这是由人类先天骨骼的细微差异和后天形成的生活习惯共同决定的;此外,足迹数据采集时,操作简单,不需要刻意配合,且具有隐蔽性。因此基于足迹数据的研究越来越引起科研工作者的重视。本文对足迹图像进行了自动标划,提取出了几何特征,并分别利用传统意义的回归分析方法以及基于卷积神经网络的分析方法对足迹图像进行了几何特征与身高之间的关系研究。论文主要工作内容如下:1)提出了一种基于足迹图像标划特征的身高回归分析方法。针对标划提取出的多种特征进行了筛选,同时借助散点图、统计学相关理论、线性回归方法以及非线性回归方法对几何特征进行了实验。结果表明,脚长GJ(GJ表示赤足拇趾前缘最突出点到赤足跟后缘最突出点的欧式距离)与身高有着显著的相关性,此外,FJ(FJ表示赤足跖内缘最突出点到赤足跟后缘最突出点的欧式距离)、BJ(BJ表示赤足跖外缘最突出点到赤足跟后缘最突出点的欧式距离)、BF(BF表示赤足跖外缘最突出点到赤足跖内缘最突出点的欧式距离)等特征与身高有着强相关性,CE(CE表示赤足跟外缘最突出点到赤足跟内缘最突出点的欧式距离)则与身高有着中等程度的相关性。2)使用改进后的卷积神经网络对身高进行了回归预测。该算法首先对足迹图像进行了预处理;其次为了实现对身高的回归预测,根据实际问题的特点,利用回归层替代了原有网络的softmax层,从而将该卷积神经网络模型改进为了回归网络模型;最后将得到的足迹图像数据集输入到改进后的回归网络中,经过调参、训练、测试等步骤后,得到了一个效果很好的回归模型。实验结果表明,该算法在泛化性和鲁棒性上较传统的身高预测方法均有很大的提升,也具有较高的预测准确率。