足迹可以反映人的一些生理特征,与指纹类似,是案件侦破的重要线索。足迹图像的花纹提取是足迹图像检索的重要预处理环节,但由于自然场景下拍摄的足迹(简称现场足迹)存在大量噪声干扰,残缺,花纹间断等问题,传统算法处理这个问题不够鲁棒。随着深度学习相关理论的发展,图像分割取得了很大进展,而足迹的花纹提取本质上是二值分割问题。本文创新性地将生成对抗网络应用在足迹分割上,对比了经典的深度学习图像分割算法,实验结果表明本文提出的分割算法较完整地提取了图像中的足迹区域,其分割结果可以很好地反映足迹的花纹信息。进一步,本文对比分析了有无对抗网络,不同损失函数的分割效果。最终模型的分割结果在足迹评价指标MSS(英文metric of shoeprint segmentaiton的首字母缩写)上达到了75%。