足迹作为重要的人体行为特征具有唯一性、稳定性,基于足迹特征可以实现高效的个人身份识别。现阶段足迹识别虽然取得一定进展,但仍然面临一些问题,主要包括研究对象多是单枚足迹数据,无法获取足迹间的时序性信息;同时,足迹数据较少,足迹图像间相似度较高,难以提取具有差异性的足迹特征。如何从日益复杂的足迹种类和日益增多的足迹数量中有效提取足迹特征是一个关键点。针对上述问题,本文采集了串行足底压力数据,基于其时序特性,同时结合深度学习方法提出了两个串行足底压力图像检索算法,并设计了串行足迹检索系统。本文的研究内容主要包括以下四部分:（1）构建检索实验所需的串行足底压力图像数据集。首先按照采集流程采集354人的足迹数据,采集过程中牢记采集注意事项。其次针对串行足迹检索任务,提出了去噪、剪切、中心化等预处理流程。最后基于是否中心化预处理构建了两大类八个数据集,每大类数据集包含赤足、布鞋、皮鞋、运动鞋四个鞋型,每种鞋型有正常走、背包走、提包走三种负重状态。（2）为了同时实现同种鞋、多种鞋的高准确率检索,基于串行足迹数据的序列特性提出了一种双分支时序移位算法。该算法首先在基准网络的基础上添加时序移位模块强化网络时空建模能力,其次引入右脚判别模块细化串行足迹特征,最后使用三卷积层模块进一步强化网络提取关键性特征的能力。一系列的对比消融实验证明该双分支时序移位算法的有效性、鲁棒性。（3）为了进一步提高模型的检索性能,同时解决模型迁移带来的准确率下降问题,基于高效时空建模方法提出了一种四分支时序自适应算法。该算法在双分支时序移位算法的基础上将时序移位模块替换为时序自适应模块,更新网络的自适应卷积核参数。然后添加多分支时空增强模块,从多个维度聚合足迹序列间的时空信息,最大程度保证信息的完整度,从而进一步提高检索模型的性能。一系列的对比消融实验证明四分支时序自适应算法的有效性、鲁棒性。（4）设计串行足迹检索系统。该系统主要功能模块为串行足迹入库和串行足迹检索两类,串行足迹入库将足迹数据录入到数据库,串行足迹检索实现足迹数据的检索。经系统测试,可以很好实现串行足迹的入库、检索功能。