超市是与人们生活密切相关的场所。商品是超市的核心,商品的状态直接反映了超市的运营情况。因此如果能及时获取各种商品的当前状态,将有助于了解超市的销售情况,方便及时应对。而超市已有的信息获取方式大多是基于静态的商品种类、数量的存储查询软件,并需要大量的人员来提供辅助信息。这种运作方式存在劳动力需求大、信息更新不及时等缺点。所以需要一种更为智能的分析超市商品数据的方法,方便提供更为直观及时的商品信息。本文针对超市现有商品信息获取方式的缺点,提出了一种基于数字图像处理技术的超市货架商品识别方法。能够提供货架上所有商品的种类、数量、位置等基本信息。利用货架图像垂直投影直方图的多峰特点进行货架分层。再融合多颜色分量的水平投影直方图,获取单层货架的类别分割线位置信息。接下来,结合商品的形状以及颜色特征进行SVM分类器识别,获得区域类别标记。最后根据二值图像区域直方图分布特点,完成基于SKU (Supermarket Keeping Unit)的商品单体分割。分别选取了不同的样本集以及颜色特征提取方法进行了三组实验。实验对超市饮料区货架图像进行了测试,并对识别时间消耗以及商品识别率进行了比较分析。结果显示,3D RGB特征比RGB特征耗时,但是前者识别率明显高于后者,且受样本集大小影响较小,商品识别结果也较好。