足迹是一种重要的人体生物特征，能反映出人体的生理特性和行为特征，而且具有特定性和相对稳定性，因此足迹的比对与识别已经长期且广泛应用于刑事侦查、安防、病理学等领域。在足迹研究领域，目前没有公开可用的数据集，因此如何获取多人的足迹数据并对其进行研究具有重要的意义和价值。
　　本文以光学足迹图像为研究对象,采集并构建了一个光学足迹数据集，分别使用了传统机器学习方法与深度学习方法对足迹的识别进行了研究。主要研究内容及成果如下：
　　（1）采集并构建了一个光学足迹图像数据集。使用FMC500IV光学足迹采集设备设计了足迹图像数据的采集流程，首先在系统录入被采集人员的年龄、性别等个人基本信息，然后由采集器自动捕获被采集人员在自然行走条件下的足迹图像，最终构建了一个包含134人的光学足迹数据集，其中每人左、右足各10幅，共包含了2680幅足迹图像，可以用来研究足迹的各种科学应用。
　　（2）采用了一种基于度量学习核函数的光学足迹识别算法。该算法首先分别从光学足迹图像中提取频域下的局部相位量化纹理特征和空域下的全局形态特征，并通过特征融合和优化获取相对稳定且具有区分性的足迹图像特征。然后通过度量学习方法将足迹图像特征投影到新的特征空间，使同类足迹特征分布更紧凑，异类特征间分布更离散。在新的特征空间里利用马氏距离和对数函数构造度量学习核函数，结合支持向量机分类器实现光学足迹图像的识别。最后，利用134人自然行走下光学足迹图像数据集进行实验，通过与不同特征、不同核函数的支持向量机（Support Vector Machine，SVM）分类器的对比，结果表明本文算法提高了足迹图像的识别准确率，而且最高识别率达到了96.66%，能够为足迹的应用和研究提供帮助。
　　（3）采用了一种基于选择性（Selective Kernel，SK）模块的卷积神经网络的光学足迹识别方法。SK模块是一种可嵌入型的轻量级模块，通过在VGG19网络中嵌入SK模块可以使网络获取不同感受野的信息来提高其泛化能力，从而进一步提升网络的性能。为了得到更加丰富的数据集，使用图像旋转、镜像、滤波等方法对原始数据集进行增广，最后利用扩展后的134人在自然行走下的光学足迹图像数据集进行实验，通过与不同网络、不同方法的对比，表明了VGG19-SKNet提高了足迹图像的识别准确率，能够有效地对光学足迹图像进行身份识别。