计算机视觉技术是人工智能的主要研究方向之一,随着图像或者视频的数据规模快速增长,以及计算能力的提升,计算机视觉技术在近几年获得了前所未有的发展,被广泛应用于多种场景,如无人驾驶,人流监控等。为了挖掘人工智能技术的应用潜力,笔者将其成功的应用了到无人零售场景。本文设计了一种物体抓取识别算法,该算法基于深度学习和计算机视觉技术,能够在目标被抓取的状态下,识别目标物体的个数和种类,可用于识别零售场景中顾客抓取的商品。它包含三个算法模块:立体匹配、物体识别和行为识别,其主要内容如下:为了让目标物体多角度的暴露在视野范围内以获得多角度的信息源,并避免单摄像机被遮挡以至算法完全失效,本文采用了多摄像机的架设方案,设计和实现了一种快速立体匹配算法,该算法利用双目相机的对极约束条件以及动态规划,能够在线性时间内完成匹配,在多个相机之间定位同一个物体。物体识别算法是本文的核心,零售场景需要识别出目标的种类及相应的个数,尽管目标检测算法可以实现这一目的,但是需要大量的标注成本和计算成本。本文使用弱监督学习的模型训练方案,设计了一种深度卷积神经网络和一个计数损失函数,不需要标注目标物体的位置信息,就可以识别出图像中目标物体的个数和类别。并且,笔者为这一视觉识别任务设计了一种评估指标,较传统的精确率和召回率相比它更为严格,在笔者提出的数据集下,实现了94.6%的准确度,模型的前向时间仅需3.87毫秒。行为识别采用双流神经网络,提取视频的空域信息和时域信息,识别出目标顾客在商店中做出的购买行为。最后,笔者设计了一种视频数据的自动标注算法,它利用插值算法和卷积神经网络能够准确的预测目标的标定框,大幅地降低人工标注成本。