足迹作为一种重要的生物信息,有着十分广泛的应用。目前足迹特征提取更多依赖于传统特征提取方法和专家的经验知识,应用范围存在一定的局限性,不具有普适性。随着卷积神经网络的快速发展,在生物识别领域取得了显著的效果,一些研究人员利用卷积神经网络在足迹相关领域进一步展开了研究。根据不同人员足迹图像存在较大相似性的特点,同一人的不同足迹压力图像存在较大差异性。可将足迹识别归为细粒度识别问题。虽然目前有部分学者将卷积网络用于足迹识别的相关研究,但是并未针对不同人员足迹图像相似性大的问题提出有效的解决办法,同时缺乏对于残缺足迹检索的相关研究。本文通过对赤足足迹压力图像的特点进行分析,对赤足足迹压力图像检索进行了研究,具体研究工作如下:（1）赤足足迹压力图像数据集构建。首先介绍了足迹压力采集系统,随后介绍了不同采集模式下赤足足迹压力图像的采集流程。一共采集了142人,共1420张的赤足足迹压力图像;为了提高数据的质量和多样性,对所采集的进行了筛选、去噪、数据增广等处理操作。（2）提出了一种融合全局特征和局部特征的赤足足迹压力图像检索算法。首先使用双分支网络结构分别提取全局特征和局部特征,增强所提取特征的多样性;在局部分支中,通过掩膜重叠部分惩罚机制（Overlapped Activation Penalty,OAP）损失函数约束生成的局部区域掩膜之间的交集,通过网络的迭代不断减小不同局部区域掩膜之间的交叉;然后将全局特征和局部特征分别用于分类损失和三元组损失的训练,使得网络从全局区域挖掘粗糙的全局特征,从局部区域挖掘出细微的局部显著特征;最后融合全局特征和局部特征进行足迹检索,达到了较好的检索效果。（3）提出了一种基于自注意多尺度卷积神经网络的赤足足迹压力图像检索算法。首先利用图像擦除的增广方式对赤足足迹压力图像进行增广,增强网络对于残缺赤足足迹压力图像检索的鲁棒性。然后利用多个并行分支的空洞卷积和自注意力机制构成的自注意多尺度卷积模块自适应地提取可判别特征,增大不同类别赤足足迹压力图像之间的差异。最后利用残缺性评分模块,能有效地感知赤足足迹压力图像的残缺程度分布。根据比对赤足足迹压力图像的残缺程度分布,获取进行比对的赤足足迹压力图像之间共同可见的区域,有效地缓解了残缺赤足足迹压力图像对于赤足足迹压力图像检索所带来的影响。在Foot Print Image数据集上取得较高的首中准确率和平均检索精度。