随着人口红利的退去和社会老龄化会加剧,雇佣人力的成本越来越高,以及疫情影响带来的减少接触的必要,从需求和行业竞争的角度来看,传统便利店都需要转型。因此无人零售的正有着良好的发展前景,国内外的多家研究机构和公司正在研究无人商店的落地以及其涉及的前沿技术。现有的无人商店的主要实现是利用RFID标签技术,需要设置专门的结账台,用户手动把商品在结账区域识别RFID标签,对于用户来说这样的购物体验不够流畅,同时给每个商品都贴上标签也会增加人力和经济成本。因此现有的研究集中在将深度学习的技术应用到无人商店,实现完全基于摄像头的无人商店和基于多传感器融合的无人商店解决方案。多摄像头的行人3D定位是计算机视觉的一个重要研究课题,在基于传感器融合的无人商店的应用中,需要获得顾客的3D坐标,并且与商品的3D坐标计算距离,以此来进行商品和行人的关联。本文设计了一个基于多摄像头的行人定位系统,系统分为三个模块,分别是目标检测与追踪模块、跨视图目标关联模块、行人3D定位与轨迹连续处理模块。目标检测与追踪模块获得单视频下行人的检测框和身份ID,跨试图目标关联模块负责匹配多摄像头中同一个人的ID,由此获得同一个人在多摄像头下的2D坐标。行人3D定位与轨迹连续处理模块负责将多视图下的2D结合计算出行人的3D坐标,最后将3D坐标进行平滑去噪处理获得连续的3D坐标轨迹。最后本文将本系统运用到了基于传感器的无人商店解决方案。重量传感器检测到重量的变化,检测动作事件的类别,通知目标检测模块抓取关键帧检测行人的2D坐标,然后通过跨视图行人关联获取行人的3D坐标,最后与已知的商品3D坐标进行距离计算,将商品信息与顾客的身份关联起来,得到购物清单。本文分别在不同数据集上测试了各模块的准确率,在无人商店的数据集测试了基于传感器融合的无人商店解决方案,结果表明,各模块均满足需求,达到较高的准确率。最后对结果进行了分析,提出了未来可改进的内容。