目前，市场上出现了许多无人便利店，大多数便利店的商品识别系统采用的是条形码扫描技术来识别商品名称价格，但是由于使用者的不熟练，出现了效率低的问题。另外还有一部分采用了RFID技术，但是使用RFID又会增加商品的成本。所以需要对便利店的商品识别做进一步研究，本文主要针对无人便利店的视觉商品识别进行了研究，所做的工作如下：　　首先介绍了便利店的发展趋势，无人便利店的优势，以及商品识别的国内外的研究现状。对图像的预处理进行了讲解，通过实验判断选择了图像预处理的一些参数，并且研究了传统的基于全局特征的如颜色特征，纹理特征，形状特征等的商品识别，并将他们应用起来进行了实验对比，选取了颜色特征和形状特征作为商品识别的特征。　　其次，介绍了目前应用比较广泛的词袋模型，词袋模型虽然只是表示统计信息，忽略了空间信息，但是仍然以其优异的性能获得了广泛的研究。本文对传统的使用SIFT 特征的词袋模型进行了改进，采用 ORB特征进行视觉词典的构建，做了实验进行对比ORB词袋模型和SIFT词袋模型的优缺点，同样验证了单纯的词袋模型无法满足无人便利店对商品识别准确率的需求。　　针对以上问题提出了融合ORB特征词袋模型和颜色特征，并利用形状特征进行辅助判别的商品识别的方法，在颜色特征方面将颜色空间从 RGB 空间转换到 HSV空间，生成了一个长度为54的一维向量来表示图像的颜色特征，在形状特征方面提取了最简单的形状特征，图像的长宽比以及长度作为目标的形状特征，另外还融入了模板匹配来增加商品识别的准确率。对无人便利店商品识别的总体流程进行了设计和分析，通过实验验证了该方法商品识别的准确率基本可以达到99%，时间上也可以满足实时的要求，证明了该算法的可行性和有效性。　　最后，根据以上理论设计出了一套商品识别系统，经实际对便利店商品进行识别，达到了良好的效果。