脚作为人体的“第二心脏”,对人体的健康起着至关重要的作用。不合脚的鞋会使脚部受到压迫,造成脚的骨骼、肌肉、韧带、皮肤等生理机能受损,引起脚的各种疾病,进而影响到人体其他器官的健康。而简单的通过鞋码制作鞋履不足以完全符合个人的脚型特征,消费者对鞋类产品在合脚性和个性化上要求也越来越高,使得量身定制需求逐年增加。在量身定制过程中,传统人体测量方法通过手工测量,具有局限性,耗时费力。如今,互联网的购买物品已经非常普遍,传统方法已不再可行。随着计算机硬件性能的提升和大数据及学习算法的发展,深度学习已经广泛应用于各个领域。卷积神经网络是一种深层前馈神经网络模型,运用了深度学习的思想,具有稀疏链接、权值共享的特点,在人脸识别、运动分析、语音识别、医学诊断等图像分类领域都有突出的表现。对于上述问题本文提出了一种基于卷积神经网络的脚型测量方法,通过利用CNN特征提取,对已经训练好的网络模型进行微调,调节神经网络各个参数,实现有效的图像分类,并设计算法计算出有效数据,从而实现了从接触到非接触、手动到自动的测量方法。首先进行脚型数据集的配置,利用视频分割的方法收集大量数据集,使用双线性插值对图像采取标准化处理,并通过亮度调节、镜像翻转等方法进行数据增强扩充数据容量,使数据集达到原来的3倍。通过对比实验证明,增强后的数据集比原数据集的分类准确度高。接下来提出了增加网络模型规模和层深度的网络优化方法,通过fine-tune的迁移学习方法,通过修改神经网络原模型全连接分类层,将高层卷积权重进行微调,优化网络模型并提取特征值进行特征分类,并对比了经典模型Alexnet和GoogleNet inception-v3分类准确度,在测试集上实现了最优96.8%的分类准确度。最后基于识别后的数据集设计了测量算法,并与实际测量值对比,达到了3%误差的准确度,可作为私人定制鞋履的重要依据。