随着足迹识别得到越来越多的应用,基于柔性阵列传感器的足迹特征分析也受到越来越多研究者的关注。足底压力数据具有对遮挡、尺寸以及背景变化较鲁棒的特点,且包含了丰富的行走姿态、习惯以及足迹等信息,因此被广泛应用于临床医学、运动分析、刑事侦查、身份识别等领域。而提取有效的足底压力数据特征子集,能够为这些领域的决策提供更加量化的科学依据。本文在国内外有关足底压力数据特征分析及识别的研究基础上,从特征提取、特征选择和多类特征融合方面对足迹识别进行了研究,并研究其在足迹跟踪中的应用。构建静态站立足底压力数据库和动态行走足底压力数据库,静态站立足底压力数据库采集了特定条件下的两组数据。动态足底压力数据库包括两部分,一是采集了不同对象的四类行走足底压力数据,包括裸足常速行走、裸足快速行走、着鞋常速行走和着鞋快速行走数据；二是多人同时行走足底压力数据。本文主要研究内容如下：1、提取了足底压力数据的生物力学、形态和纹理特征。针对现有生物力学特征的单一性,引入了生物力学区域特征,同时提取了足底压力图像的形态特征和纹理特征。形态特征包括形状特征和Hu不变矩特征,纹理特征为灰度-梯度共生矩阵法的二次统计参数。研究计算了各特征的波动曲线、组内相关系数(ICC)和变异系数(C.V),讨论了这些特征的稳定性、独特性和可重复性。实验结果表明提取的特征波动范围较小,ICC和C.V都较好,反映出大部分特征具有较好的稳定性、独特性和可重复性。2、提出了一种多类足迹特征选择方法(MFFS)。该方法首先采用相关性度量准则和最好优先搜索算法实现生物力学特征子集的特征选择；其次,根据特征重要程度计算形态特征、纹理特征及优化后生物力学特征的权重系数,保留对分类识别贡献最大的足迹特征,从而实现足迹特征选择。同时研究了多样形态足底压力数据的特征选择,多样形态足底压力数据包括仅有前脚掌、足后跟、前脚掌和足后跟分离等三类残缺形态数据。实验结果表明通过MFFS方法能够大大降低足底压力数据特征维数,且获得较高的足迹识别正确率。3、提出了一种基于特征源置信度的足迹特征融合方法。针对足迹单一特征识别正确率不高的不足,考虑不同特征的置信度,根据基于特征源置信度的证据合成规则进行特征融合,构成新的特征空间,提高了足迹识别正确率。对于足迹跟踪系统,构建了足迹特征融合的两分类模型。比较了D-S证据合成规则和基于特征源置信度的证据合成规则决策结果,实验结果表明该方法增加了置信度高的特征对特征合成的贡献。4、实现了基于柔性阵列传感器的多人足迹跟踪。首先,采用分区域阈值法和差分法对足底压力数据进行去噪,通过MFFS方法实现棱形有效区域内的足底压力数据的特征选择；其次,根据基于特征源置信度的足迹特征融合方法给出识别结果,从而实现足迹跟踪。进行了两人以及多人的无交叉和有交叉足迹跟踪实验,实验结果表明,多人足迹跟踪效果较好。