“新零售”是将互联网领域的新思维、新技术应用于传统的商品销售领域。无人超市作为“新零售”的代表，必须依托互联网，利用先进技术，让消费者可以享受更加舒适并且高效的购物体验。为构建无人超市推荐系统，本文开展如下工作：　　（1）针对无人超市推荐系统无法像电商平台一样通过用户注册信息获取用户特征的问题，利用人脸特征识别技术，通过图像预处理、特征提取、分类训练等环节，最终实现了推荐系统对用户特征的实时获取。其中，测试表明设计的性别识别方法，即较传统方法，准确率提高了0.3%以上。　　（2）设计并实现了满足无人超市需求的推荐系统：首先，针对相同特征用户偏好的商品具有相似性的特点，本文将用户特征因素结合到商品推荐算法模型中，其中，该模型以基于用户的协同过滤算法为主算法；其次，针对无人超市用户对推荐商品时效性要求高的问题，以时间段对用户消费记录进行划分，构建更加准确的用户-商品评价矩阵；然后，针对无人超市希望利用促销手段提高销售额的需求，使用 K-Means 算法设计了多种促销方式的商品促销模块；接着，在上述两个模型的基础上，分别对推荐系统进行整体和各功能模块进行设计，并用序列图描述模块之间信息传递过程。最后，利用ZooKeeper服务及 Dubbo框架实现了无人超市推荐系统，并通过了测试。　　（3）推荐系统需要配套一系列装置，才能实现具体工作，因此设计了两个装置：采用 Hi3518E 芯片，利用多线程技术设计了可以实现实时采集、识别及传输功能的特征识别装置；设计了基于推荐系统的售货装置机构，并通过计算对关键部件进行选型。　　测试结果表明，设计的无人超市推荐系统，不仅其算法各性能较传统算法有明显提高，而且应用的效果良好。因此本系统可以起到提高无人超市销售额和增加用户体验的作用。