计算机视觉技术经过不断创新和完善,被广泛地应用在工业领域并极大地提高了工业生产的效率和质量。在许多工业场景中,仅需要对特定精确的目标进行识别,如设备巡检,设备维修辅助和工业生产线物品分拣等。考虑到生产效率,投入成本,识别准确率等因素,提取目标的浅层特征更适用于对此类目标的识别。浅层特征是基于领域知识通过固定的算法提取的特征。在印刷领域,印刷品分拣通常需要对特定的印刷品进行识别。本文研究了基于浅层特征的视觉识别方法,并且设计实现了相应的识别系统。针对印刷领域印刷品分拣的识别问题,本文设计实现了基于浅层特征的视觉识别系统。针对特定精确的目标,本文从图像相似度检测的角度,实现了对该目标的识别。考虑到印刷品识别对光照变化、旋转、尺度等方面的要求,本文对各种基于浅层特征的相似度检测方法进行了大量的对比实验,选择了SIFT算法作为本系统的关键算法。通过SIFT算法提取的特征具有以下性质。第一,这些特征对图像的缩放和旋转是不变的。同时在不同因素的影响下也提高了很好的匹配,如,噪声和亮度。第二,特征数多,即使是小图片,也可以通过密集采样得到数目众多的特征。该系统首先建立了一个小型样本图像数据库,用于存储样本图像,样本图像特征,以及对样本图像的描述。然后,采用SIFT算法提取图像特征并优化特征提取的流程,采用RANSAC算法消除图像特征误匹配,实现与样本图像进行匹配识别,并且满足时间效率上的要求。另外,该系统实现了在线学习的功能,可以在系统运行的过程中增加系统识别样本的种类。经过实验验证,该系统可以实时、准确地实现对印刷品内容的识别。最后,本文使用VS2017,OpenCV实现了系统的功能。