随着人工智能的快速发展,为了降低人工成本,图书的智能化管理是一个重要研究方向。本文面向智能书柜这一应用,其功能是通过对书脊的检测与识别方式完成图书的自助借还。现有书脊检测与识别方法主要有基于RFID技术的识别和基于图像文字识别两种,但是RFID技术存在较高的硬件成本问题,而基于图像文字识别的方法又存在识别准确率低的问题。不同于以上两种方法,尤其不同于基于图像文字识别的方法,本文将书脊检测与识别问题转换成基于实例分割的书脊检测、书脊图像特征提取和检索来解决,在速度和精度上取得了良好的书脊检测与识别效果。具体内容如下:（1）设计并实现了基于深度学习实例分割的书脊检测方法。在COCO数据集预训练得到的Mask R-CNN实例分割模型的基础上,采用迁移学习的思想,使用自建的数据集对该网络再次训练;针对存在相同倾斜角度的书脊,采用霍夫变换直线检测进行校正;对具有不同倾斜角度的书脊,提出了基于多旋转的Mask R-CNN书脊检测模型,提高了算法的精确度和鲁棒性;为了提高书脊检测效率,改进了区域建议网络,使用K-Means算法结果设计了适合的书脊anchor比例。实验证明本文方法较以往书脊检测方法效果有明显改善。（2）研究并实现了一种基于CUDA框架下的SIFT特征点提取方法,解决了CPU下SIFT实效性差的缺点。分析了SIFT算法的可并行度,并设计了CUDA框架下SIFT执行流程;分析并对比了GPU和CPU两种环境下实现SIFT算法的差异性。实验证明该方法对比CPU的SIFT算法实现,在特征提取上速度行有10倍以上的提升。（3）提出了一种基于SIFT图像特征编码与检索书脊识别方法。研究并分析了VLAD（Vector of Locally Aggregated Descriptors）、FV（Fisher Vector）和BOF（Bag of features）三种编码算法之间的差异性。针对编码后特征向量维度较高问题,利用主成分分析实现特征的降维,以减少特征的冗余;为了提高检索效率,使用了基于局部敏感哈希检索算法,并通过实验选择出了该算法的最优参数;实验对比了不同特征编码、检索算法与特征表示对书脊识别率的影响,证明本文方法较其他基于图像特征检索的书脊识别方法的性能和效率方面均有明显改善。（4）设计并实现了面向智能书柜的无人图书管理系统。分析并设计了该系统的总体架构和数据模型;基于C/S架构,实现了面向移动端用户的APP与Windows端书脊检测与识别算法验证程序,提供给用户无感知的借还书籍体验,方便了管理员对该系统信息的管理。