无人便利店实现无人管理，最先想到的技术问题即：如何防止商品被盗被损坏，以及如何快速准确地结算所有商品。

　　通过对国内外十多家不同模式的无人便利店分析来看，目前，市面上的无人便利店基本有以下四种技术形态，第一种就是相对简单传统的二维码扫码技术；第二种是贴RFID标签识别技术；第三种是基于卷积神经网络的视觉识别技术；第四种是视觉识别的基础之上添加视频识别与传感器混合的技术。

　　二维码的技术模式相对比较简单，通过商品二维码识别商品并完成金额统计并支付，例如便利蜂、小e微店等，主要是利用二维码来完成对货物的识别，优势是成本低，与传统零售较为接近，免去传统门店的排队收银环节，这种模式相对简单，但无法扫描非标准化商品。而且，对于消费者来说需要有寻找二维码和扫码支付行为，比较麻烦。

　　RFID标签识别是市面上使用较多的技术，简而言之，该技术给每一个商品贴一个RFID标签，每一个商品都有自己独特的命名，出店时，摄像头再次扫描确定芯片商品已经支付才能开门。RFID识别技术在无人便利店使用较多，其优点是对商品精确辨认，其缺点是遇到金属商品无法扫描，并且每个芯片增加成本。例如缤果盒子、7-11、罗森无人店，这几家主要利用了RFID标签技术，该方案技术上也较为成熟了。

　　针对基于深度学习的卷积神经网络的视觉识别技术，该技术主要用于对整个无人零售店内物品的监测、识别与跟踪。其中，对商品的识别是通过机器学习，然后对图像进行识别，也就是说每次商店进货新品类时，都需要对该商品进行机器学习，将该商品的一些特征数据信息记录到数据库中，然后图像识别系统依据特征数据信息对该商品进行识别。Takego系统之所以能实现“拿了就走”主要应用了卷积神经网络、Deeplearning深度学习、机器视觉、生物识别、生物支付等人工智能领域前沿技术。

　　针对AmazonGo与淘咖啡，技术上主要运用了机器视觉、深度学习算法和传感器融合技术。阿里淘咖啡主要借助生物特征自主感知和学习系统、结算意图识别和交易系统及目标检测与追踪系统。通过生物特征自主感知和学习系统主要解决在开放空间里对消费者身份的识别问题，将顾客的生物特征与淘宝ID进行绑定，以实现对顾客的身份确认。目标检测与追踪系统则主要是追踪消费者在店内的行为及运动轨迹，该功能主要依赖多路监控摄像头。通过捕捉消费者的行为判断其对特定商品的态度，或通过对诸多消费者在店内的运动轨迹、或在特定货架前的停留时间来指导商家调整货品的陈列方式等。目前来看不管Takego，还是AmazonGo与淘咖啡，无人便利店都在测试阶段，技术是很先进，但也表示成熟度还不够。

　　短短半年时间，无人商店已成为全球零售业的新风口，甚至可说是全球零售业一个新的战略高地，谁能够在第一时间占据无疑会具备先发优势，这也是目前像亚马逊、阿里巴巴这些巨头涉足的最大原因，但它距真正全面落地尚需时日，技术依然是其最大的瓶颈。