鞋印序列是指具有时序关系的多枚鞋印的集合,鞋印序列包含人行走习惯引起的动力形态特征及运动轨迹特征,具有唯一性和稳定性等特点。鞋印序列识别可以被用于嫌疑人筛查、智能家居和机场通道等场所。因此,基于鞋印序列图像的生物特征分析与识别具有特定的应用优势,进行鞋印序列识别技术的研究是非常有意义的。鞋印图像识别的研究多为同人同花纹鞋印图像识别,在日常生活中,同人在不同时间穿着同一双鞋概率较低。跨花纹鞋印序列识别是指注册鞋印序列与待检鞋印序列由不同花纹的鞋产生,采集跨花纹鞋印序列进行识别在日常生活中更常见,所以基于跨花纹鞋印序列的生物特征研究具有重要意义。本文主要目的是研究跨花纹鞋印序列识别算法,主要工作如下:1)跨花纹鞋印序列数据集构建与预处理方法研究。目前没有用于研究的跨花纹鞋印序列公开数据集,为验证本文算法的有效性,本文扩增了使用专用采集设备采集的MUSSRO-RS数据集,从而构建三个数据子集MUSSRO-RSV1、MUSSRO-RSV2-T1和MUSSRO-RSV2-T2数据集。MUSSRO-RSV1包含85名受试者,MUSSRO-RSV2-T1数据集包含54名受试者,MUSSRO-RSV2-T2数据集包含51名受试者,扩增后的跨花纹鞋印序列数据集受试者数量增加,每人采集的鞋印花纹种类数增加。本文对跨花纹鞋印序列预处理方法进行研究,根据跨花纹鞋印序列特性分析,给出了跨花纹鞋印序列修补算法、空间分辨率归一化算法和步行方向归一化算法。2)给出了基于多尺度均值滤波能量图组的跨花纹鞋印序列表达。由于不同人足底着力区域分布不同,为突出着力较重区域包含的信息从而增强不同人之间的区分性,给出了基于非线性激活的步态能量图表达。通过分析可知,跨花纹鞋印序列受鞋印花纹影响包含的压力信息不完整,且不同鞋印图像鞋印花纹半径不同,鞋印花纹间隔也不一致,根据上述特点,给出了基于多尺度均值滤波能量图组的跨花纹鞋印序列表达,使用花纹有效区域的压力值对无花纹处压力值进行预测,从而削弱花纹对识别结果的影响。3)给出了基于步幅结构参数特征的跨花纹鞋印序列表达。现有步幅参数特征包括步长、步宽和步角特征,该特征进行识别时区分性较低。本文给出了基于步幅结构参数特征的跨花纹鞋印序列表达,在步幅参数特征的基础上,新增鞋印动态物理尺寸参数、步幅面积参数和步法面积参数特征,从而构建步幅结构参数特征表达。4)给出了结合子空间的跨花纹鞋印序列识别算法。综合利用多尺度均值滤波能量图组和步幅结构参数特征的优点,将不同特征在子空间投影,使子空间内同类不同花纹的鞋印序列特征尽可能近,不同类鞋印序列特征尽可能远。给出了跨花纹鞋印序列识别策略,不同特征之间有互补信息,因此将不同特征结合进行识别。对注册一种花纹的鞋印序列数据集,将多尺度均值滤波能量图组匹配得分与步幅结构参数匹配得分加权融合进行识别;对注册多种花纹的鞋印序列数据集,在注册一种花纹匹配得分的基础上,与子空间匹配得分加权融合进行识别。本文对跨花纹鞋印序列识别算法进行了研究,扩建了MUSSRO-RS数据集,并进行了实验验证,在三个数据子集上,识别率分别为81.94%、83.17%和87.68%。