由于先天骨骼发育的差异和后天生活中劳动状态的影响,每个人的足迹特征都有不同的映现。其中赤足的足迹包含着丰富的个人信息,如个人平时行走的某些习惯和先天足部的结构特征等,这些都具有隐蔽性和易采集性。国内外对于足迹的应用研究已有很多,尤其对刑侦工作具有很大的帮助。本文在国内外有关足迹的应用研究基础之上,对足迹与身高、体重之间的关系进行了研究,考量了多种基于足底压力图像预测身高和体重的方法。具体研究内容如下:(1)对于两种类型的研究方法,分别分析了赤足的足底压力图像及其特征。针对多元回归分析法和BP神经网络的预测方法,提取了包括足迹的各种长度信息、足底面积、各压力面面积及其分布信息等18种足型特征;针对卷积神经网络的预测方法,提取了两种特征图像:HOG特征图像和Contour特征图像,以便更好的描述压力图像和有效的训练网络。(2)对于多元回归模型、BP神经网络模型以及二者的组合模型,本章考量了18种足型特征量与身高、体重之间的关系。在多元回归模型的分析中,通过分析变量之间的相关性、模型中回归系数的显著性等,得到拟合模型并进行预测实验。在BP神经网络中同样基于上述特征参数,对身高和体重分别建立模型,通过选取最佳模型的方法,对选取的模型进行预测实验。考虑到两种方法各有优势且互不相关,将两种方法按照加权的方式组合模型,得到的组合模型进行实验,得到本章最好的实验结果。(3)对于卷积神经网络,本文选取了三种具有经典结构的网络模型CNN、VGG16和ResNet34,基于足底压力图像及其特征图像对身高、体重进行预测实验。尝试将VGG16模型进行改进,调整后的模型与其他三种网络模型的预测结果进行分析与对比。CNN、VGG16和ResNet34三种网络都是目前应用较为广泛的卷积神经网络,具有不同的网络结构和特点;针对三种图像数据集分别进行训练和预测实验。调整后的VGG16模型得到了本章中最好的实验结果。