足迹是犯罪现场遗留与提取率最高的一种物证,具有独特性和稳定性,为侦查犯罪案件挖掘出更多有用的信息,有助于刑侦人员有效地筛选出犯罪嫌疑人,加强破案力度。受采集对象行为活动和采集环境的影响,目前足迹利用率比较低,特别是在足迹检索领域,由于当前公安部足迹采集设备具有多样化,足迹模态不一,增加了足迹检索的难度。近年来,卷积神经网络在图像分类、识别与检索等领域有着广泛应用,因此本文采用卷积神经网络进行跨模态赤足足迹检索研究。本文研究的主要内容如下所示:（1）构建跨模态赤足足迹数据集。本文以光学和压力两种模态为研究对象,设计采集流程,分别利用光学和压力足迹采集仪器进行数据采集,并对采集图像进行去噪和数据增强等预处理操作,最终构建了138人27600枚的跨模态赤足足迹数据集。（2）给出一种基于空间注意力的双分支网络模型,实现跨模态赤足足迹的检索。该网络模型包含特征提取、特征嵌入和双约束损失三个模块。为了充分学习每种模态的固有特征,在特征提取模块采用双分支结构,各分支均采用Res Net50作为基础网络,并在Layer3、Layer4层引入空间注意力机制,提取每种模态更有辨别性的特征,并将各模态输出特征向量拼接后送入特征嵌入模块;在特征嵌入模块,通过部分参数共享来学习不同足迹模态的共享空间;为了解决模态内和模态间的特征差异问题,在双约束损失模块采用交叉熵损失和异质中心损失进行约束。实验结果表明,该方法具有一定有效性。（3）给出一种基于非局部注意力的双分支网络模型,实现跨模态赤足足迹的检索。为了进一步提高检索性能,该模型在特征提取、特征嵌入和双约束损失模块等方面进行了改进。为了充分利用两种模态的足迹底层信息,特征提取模块的各分支均以Res Net50的Layer1层之前的部分作为基础网络,并将各模态输出特征向量拼接后送入特征嵌入模块;为了学习到更加全面的足迹信息,专注足迹图像整体压力分布,增强各模态的有效特征且突出跨模态的共性特征,在特征嵌入模块的Layer2、Layer3层的每个残差块处引入非局部注意力机制;为了增强网络模型的学习能力,减少对网络最后池化层输出特征向量的降维操作;为了更好地解决模态内和模态间的特征差异问题,在双约束损失模块采用交叉熵损失和三元组损失进行约束。实验结果表明,该方法进一步提升了跨模态赤足足迹检索性能。