现代社会,商场商品琳琅满目,及时获取各类商品的售存状态对了解整个超市的运营非常必要。传统超市商品管理软件大多是针对静态货品的种类、数量进行修改和查询的软件,这需要大量人力提前录入并及时更新相关辅助信息,故也就存在劳动力需求大、信息更新不及时等缺点。所以需要对获取和分析超市商品数据的方法做进一步的研究。本文采用数字图像处理技术和机器学习的相关知识,针对上述传统货品管理软件的弊端,提出了一种全新的能方便及时地获取货架上商品基本信息的商场货架商品识别方法。首先依据多次实验验证选取了适合本课题的阈值,然后结合货架二值图像水平方向投影直方图成功地对原货架图像进行了水平分割分层处理,使针对整幅图像的处理工作化整为零。接着对不同颜色空间分量的水平投影进行整合分析,提取每层图像的列分割线。再利用样本库的图像特征结合列分割线不断修正商品目标识别区域。最后提取货架商品图像的颜色、形状和位置特征,采取SVM分类器对目标识别区域进行识别判断,根据识别结果进行商品单体分割并做图像信息归纳统计。实验对商场饮料区货架进行检测,差异化选取多组图像样本集、多幅测试图像并在不同实验条件下对商品识别时间和识别率进行比较分析,结果显示不同测试图像识别时间各异,同测试图像若提取不同颜色特征对识别时间和识别率影响都较大,而在一定规模之上,再改变样本集大小则对识别结果影响不大。