随着科技的不断发展,图像处理技术和智能系统设备正不断的向更多领域渗透。服装制造业作为一个劳动密集型产业,其生产过程中的各个环节均需要投入大量的人力和物力,特别是服装裁片识别分拣过程,需要工人们时刻保持精神的高度集中,这使得工人精神以及身体等多方面遭受巨大考验。因此,采用可靠、智能且高效的识别系统进行裁片识别成为趋势。基于DSP微处理器的目标识别系统,不仅方便灵活易携带,而且功耗和成本也相对较低,因此,其具有相当广阔的应用前景。本文设计了一种基于视觉的服装裁片识别系统。首先,介绍了图像预处理方法、基于Canny的边缘检测算法、自适应阈值分割的定位算法、基于傅里叶形状描述、形状轮廓曲线、HSV颜色空间模型的特征提取方法及SVM多类分类识别算法,为本文裁片识别奠定了理论基础。其次,搭建系统硬件平台并配置软件开发环境,主要包括摄像头、Qt库和OpenCV库的安装与配置。最后,将OpenCV计算机视觉库和图形用户界面Qt移植到DSP开发板中,对本文给出的算法进行了分类识别实验,使用Qt设计的界面完成系统的人机交互。为提高系统识别率,降低算法运行时间,采用形状轮廓描述与HSV颜色模型相结合的方法提取特征,将该特征与在PC机上训练获得的、并移植到DSP开发板中的样本特征库进行SVM分类识别。为了验证本文算法的有效性,在创建的裁片数据库中,将本文算法与其它几种算法进行了实验对比,经过多次实验分析,结果表明本文算法在识别率与识别时间上均有较大优势,取得了较好的效果。