摘 要

随着人们的消费水平越来越高，消费者最常去的一个购物场所，就是超市。作为超市的核心，及时、准确地获取各类商品的售存状态对掌握整个超市的运营状态是非常重要的，这将直接影响超市的综合竞争力和运作效率。目前这些简单而重复的清点工作主要是依靠大量的工作人员盘点货架上的商品来完成，这种工作方式投入大、工作量大、效率低，而且实时性较差。

如果能够设计出一款软件，能够自动识别出货架上的商品类别，那么就可以大大减少在这种工作上的投入，而且获取信息将更加及时，也就更便于了解整个超市的运营状态。想要实现这样的功能，需要有一套商品识别的算法。

本文针对商场和超市中常温奶陈列货架的货品种类和数量自动统计需求，基于数字图像处理技术和机器学习的相关知识，设计了一种商超货架商品图像的分类特征提取的方法。商品识别主要分为两个部分：图像特征提取和分类器的设计。在图像特征提取方面，本文主要是提取商品单品图像的颜色特征，先将商品单品图像均匀分成5行5列共25个小块，然后分别提取每个小块的RGB三个通道的均值作为特征，并将他们排列在一起组成一个75维的特征向量。在分类器的设计方面，本文采用的是最邻近分类器和3最邻近分类器相结合的方法用于商品识别，达到了很好的效果。最终实验选取多组常温奶图像样本集，利用多幅测试图像进行测试，对商品识别率进行比较分析，结果显示不同测试图像识别率各异，但是识别率均在90%以上，结果验证了本文设计的商品特征提取方法的有效性。

关键词： 商品识别，特征提取，模式识别

Abstract

With the rapid development of our country’s economy, people's consumption level is higher and higher. In the modern society, the supermarket has become the most popular shopping places for consumers. As the core of the supermarket, it is extremely important to get the information about the sales and storage situation of the goods timely and accurately for grasping the whole supermarket operation status, which will directly affect the operational efficiency and comprehensive competitiveness of the supermarket. At present, all these simple and repeated Inventory works has been finished by using large number of stuffs to check the goods. This method needs mass consumption and heavy workload, and it also has low efficiency and poor real-time performance.

If you can design a software to identify the goods categories automatically that you can greatly reduce the input on this work. Meanwhile, information will be more timely, so that it is easier to grasp the supermarket operating state. In order to achieve this function, it needs a set of goods identification algorithm.

The main content of experiment in this paper is aiming at the automatic statistical demand about the variety and quantity of goods on normal temperature milk display shelves in stores and supermarkets. Based on digital image processing technology and machine learning knowledge, a business super shelves commodity image classification method of feature extraction has been designed. Goods identification is divided into two main parts: image feature extraction and pattern recognition. In terms of image feature extraction, color features has been extracted in this paper. Commodity item image firstly is divided into five rows and five columns, a total of 25 pieces, respectively, then each small piece of RGB average as the characteristics of three channels, and arrange them together to form a 75 - dimensional feature vector. In the design of classifier, the most adjacent classifier and three adjacent classifier combination method is used for goods identification, which achieved good results. Finally, multiple sets of normal temperature milk image sample set were selected in this experiment. Using many test image on the experiment and analyzing the recognition rate of goods, the results showed that the recognition time is different for different test image, but all the recognition rate is above 90%. So the results demonstrate the effectiveness of the commodity feature extraction methods on the paper.

Keywords：commodity identification,feature extraction,pattern recognition

目 录

第1章 绪论 1

1.1 研究的背景及意义 1

1.2 图像识别综述 2

1.3 图像识别系统的组成 2

第2章 商超货架商品图像特征提取 4

2.1总体方案设计 4

2.2 图像的获取 5

2.3 商品单品图像的特征提取 6

2.3.1 常用的图像特征提取方法 6

2.3.2 图像特征选择 10

2.3.3 特征提取算法设计 12

2.3.4 特征提取结果分析 20

第3章 货架商品图像分类方法 22

3.1 常用分类方法 22

3.2 货架商品图像识别方法 23

3.3 识别方法测试分析 27

第4章 总结与展望 29

4.1总结 29

4.2 展望 29

参考文献 31

致 谢 32

第1章 绪论

1.1 研究的背景及意义

超市，又称自选商场，采取的是顾客自选方式的经营模式，它主要是经营食品和家庭日用品，兼顾销售其它商品的大型综合性零售商场。它的一大特点是不会给消费者带来一种由于买家和卖家直接接触产生的销售人员推销商品的行为而带来的一种不适感，消费者可以根据自己判断和需求去自由的购买商品。和其他的购物场所相比，超市为消费者提供的购物环境更加轻松舒适，因此，消费者越来越倾向于在超市购物。它的经营业务的核心是商品，而商品的销存状态管理又是商品管理中十分重要的环节，所以如何提高商品管理的效率，如何即时准确的了解各个商品的销售情况，对于超市和供货厂商都有着十分重要的意义。超市可以给热销商品提供更多的货架位，适当减少冷门商品的货架位，或者通过某些促销手段来提高商品的销售量，而对于供货厂商，可以根据自己产品的销量调整生产方案，如可以更多的生产热销商品，想办法改变那些不是很畅销的商品使其焕发生机等。

超市作为综合性的零售市场，商品琳琅满目，种类繁多，而目前，掌握商品的销存状态的解决办法大多是依靠工作人员盘点记录，然后再将整理好的数据手工录入系统实现的。这种方式的工作量和消耗的精力都相当大，很难做到信息的准确和及时更新，也容易因为人工操作而出错。而且随着商品种类的不断增加，这种盘点任务的负担只会越来越重，所以可以预见到，目前这种掌握商品的销存状态的解决办法会随着社会的发展而变得不堪重负，最终被社会淘汰的。随着计算机等方面技术的迅猛发展，这种简单而重复的人工劳动被计算机智能取代是未来行业发展的必然趋势。所以如果能开发出一款能实时且自动的对货架商品进行统计和分类的商品管理软件，超市的运营者和供货厂商就可以更好的了解顾客真正的消费需求等重要信息，进而根据顾客需求来进行合理配置。