超市是现代社会中一种新兴的零售业，它为消费者提供一个自由、舒适、轻松的购物环境，越来越受到消费者的青睐。近年来，国内外出现了大量新增的超市，让消费者有了更多的选择的同时，超市行业的竞争也越来越激烈。许多超市都采用低价策略来吸引顾客，但是，仅仅依靠降低价格是远远不够的，只有注重商品管理，优化超市服务，以商品交易的智能化来降低人工成本，超市才能更多地提升竞争力，提高销售额。

目前，我国超市主要采用的商品识别技术是条形码扫描技术，其优点是扫描条形码提取信息方便，缺点是商品id等大量信息需要人工手动录入，而且条形码易缺损，寻找条形码扫描亦费时间。在货物存储时，工作人员需要手动录入商品的信息，统计件数、种类数；在购物结算时，工作人员需要寻找商品的条形码，如果条形码丢失或者破损的话，手动录入非常麻烦，而这正是造成排队长龙的罪魁祸首。

近年来，利用图像识别技术处理超市内的商品图像获取有效信息的研究越来越多，这些图像信息能协助超市管理货物信息，在统计商品的库存量、商品的种类数上比传统的人工方式更加高效和稳定。

商品图像识别常用方法有ORB特征、细粒度特征、SIFT特征、SURF特征。其中SIFT特征被证明是鲁棒性最好的尺度旋转不变特征，但是SIFT的向量描述子维数高且计算复杂，导致算法的时间开销大。而SURF特征减少了描述子的向量维数，优化了描述子计算方法，降低了时间开销，保留了高效的鲁棒特征。

针对超市环境中的商品图像识别也存在诸多难点，图像内的商品存在各种形变、倾斜，拍摄时光照对图像的影响等。SURF特征在识别商品时，由于图像有变形、倾斜、光照等影响且商品图像纹理丰富特征点繁多，导致错误匹配数增多，降低了商品识别的准确性。

本题针对其缺点，提出了一种以SURF算法为主，颜色特征、形状特征等图像匹配算法为辅的商品自动识别系统，弥补传统SURF算法在商品识别中的缺陷，提高识别的准确行。通过Matlab软件设计出这种商品快速识别方法及系统，以达到对商品进行快速、便捷、准确的识别，节省商品录入、商品结账计价时间的目的。

2. 研究的基本内容与方案

（1）研究的基本内容

①研究现有的商品识别方法发展现状，评价其优缺点。

②研究图像特征匹配技术中的颜色特征、形状特征、加速鲁棒性SURF识别算法等方法。