立体足迹步态分析是我国刑事科学技术领域足迹分析理论的重要组成部分,曾经在侦查破案中发挥过重要作用。然而在实战中,基于立体足迹的步态分析理论的应用主要以技术人员的经验为支撑,存在主观性较强的缺点。为解决这些问题,让步态分析理论发挥更大作用,本文以模式识别相关理论和方法为技术手段,研究立体足迹中抠痕和踏痕的自动检测算法,实现立体足迹中步态特征的自动提取与分类。首先,使用犯罪现场立体足迹拍照提取的方法,在沙地上大量采集立体足迹照片,然后使用Matlab编写软件,截取足迹照片中的抠痕、踏痕形态图象,建立了规模约为4000的抠痕和踏痕样本库。其次,选取Haar和LBP(Local Binary Pattern,局部二值特征)作为特征提取方法,用这两种方法分别提取抠痕和踏痕的特征向量,选取Adaboost(Adaptive Boosting)作为分类算法,分别基于Haar特征和LBP特征训练出检测抠痕和踏痕的算法,并进行测试。测试效果显示,对于抠痕和踏痕,使用Haar特征和LBP特征这两种方法均有较好的检测效果。之后,针对同一种痕迹,比较两种检测算法的优劣。实验中采用了绘制ROC曲线(Receiver Operating Characteristic)和计算AUC值(Area Under the Curve)的方法。比较发现,对于抠痕基于LBP的检测算法性能较好。对于踏痕,基于Haar特征的检测算法性能较好。经过研究,证明了利用模式识别进行立体足迹步态特征的自动提取与分类是可行的,并且在抠痕和踏痕上取得了良好的实验效果,为利用立体足迹步态特征进行足迹分析和人身鉴别提供了新的思路。