随着科学技术的进步,人们的生产生活方式发生了翻天覆地的变化,近几年人工智能的飞速发展就引发了一场零售行业的变革,随之衍生出“新零售”、“智慧零售”等概念。智能售货柜就是其中一种具有代表性的新零售方式,它结合移动支付、计算机视觉等技术,对传统的无人售货柜进行升级改造,使用户通过扫码、开门、选取商品、关门这四个步骤便可轻松完成购物。目前,智能售货柜系统的主流发展方向是基于动态视觉的识别方案,它在用户使用货柜时利用顶部的摄像头进行录像,然后将购物视频传送到云端,通过深度学习模型的检测和分析得到用户购买的商品种类和数量。这种方法对于柜内商品的摆放没有限制,使用灵活,设备成本较低,但是将数据传送至云端时需要良好的网络支持,否则容易出现耗时较长的问题,导致系统处理延迟。针对无人售货场景以及系统实时性的需求,本文围绕动态识别方案中的基于目标跟踪的智能售货柜系统展开研究,将系统设计为商品检测、商品追踪和结算三个模块,并根据系统功能对所使用的目标检测和目标跟踪模型加以改进,最后将系统部署在嵌入式设备上,实现本地化的数据分析。本文的主要工作体现在以下四个方面:1、以嵌入式部署为目标,提出一种基于目标跟踪的智能售货柜系统,解决现有的智能售货柜系统处理效率较低的问题;2、针对商品检测模块,提出一种改进的YOLOv5-Shuffle Netv2检测模型,并引入Mosaic数据增强和自适应锚框计算的预处理方法,以及CIOU＿NMS后处理方法,平衡模型的检测精度与速度;3、以商品检测模块作为Deep SORT多目标跟踪算法中的检测器,从而形成商品追踪模块来记录商品的运动轨迹;4、结合模型量化、硬件加速的部署方案,将智能售货柜系统部署在IVP220边缘计算盒子上,运行速度达到25ms/帧,即FPS为40Hz,实现了一套基于嵌入式设备的智能售货柜实时检测系统。