1.一种物品识别系统，其特征在于，包括：
一影像/光谱感测元件，以从一实际物品取得一物品影像以及在对应该物品影像的多个感测区域对该实际物品感测出多个光谱；
一物品影像特征数据库，储存分别对应多种第一物品样本的多组影像特征形态，其中每一种该第一物品样本是以一组片为代表，该组片是由包含多个微基础的一微基础阵列所构成，其中该每一组影像特征形态是以一组稀疏编码为代表分布在所对应的该组片的该微基础阵列中的多个特征微基础；
一物品影像特征撷取模块，耦接该物品影像特征数据库，以对该物品影像中的至少一兴趣区域(ROI)取得一实际物品影像特征形态；
一物品影像特征分析模块，为该至少一兴趣区域搜寻以该多组稀疏编码为代表的该多个组片的该多组影像特征形态，以选出至少一第一候选物品，以及输出关于该至少一第一候选物品的一第一信息；
一物品光谱特征数据库，储存分别对应多种第二物品样本的多组光谱特征形态；
一物品光谱特征撷取模块，耦接该物品光谱特征数据库，以对该物品影像中的该至少一兴趣区域(ROI)取得一实际物品光谱特征形态；
一物品光谱特征分析模块，为该至少一兴趣区域搜寻该些组光谱特征形态，以选出至少一组第二候选物品，以及输出关于该至少一个第二候选物品的一第二信息；以及
一融合模块，接收并分析该第一信息与该第二信息，以决定是否在该第一信息与该第二信息中存在至少一种确认物品，并以该至少一种确认物品为该实际物品。
2.根据权利要求1所述的物品识别系统，其中该影像/光谱感测元件包括一影像感测阵列及一光谱感测阵列，该影像感测阵列以及该光谱感测阵列为叠置在一起，且在位置上为相互对应。
3.根据权利要求1所述的物品识别系统，其中该物品影像特征撷取模块扫描(loop)于该至少一该兴趣区域中，且该物品影像特征分析模块依序分析各该至少一兴趣区域，其中该物品影像特征分析模块包括：
一搜寻模块，从该物品影像特征数据库搜寻出该至少一个第一候选物品；
一判断模块，接收该至少一个第一候选物品的一信息；以及
一组片基外观/纹理选择模块，耦接该判断模块以根据该组片的该稀疏编码对该实际物品与该至少一个第一候选物品作分析。
4.根据权利要求3所述的物品识别系统，其中该搜寻模块包括一外观搜寻模块与一纹理搜寻模块，以分析物品外观与物品纹理。
5.根据权利要求3所述的物品识别系统，其中该组片基外观/纹理选择模块依一支持向量机(SVM)，将该些组片的全部该些微基础转换成为一微基础特征向量，并根据该微基础特征向量的微基础分布，以确认该至少一个第一候选物品。
6.根据权利要求1所述的物品识别系统，其中该物品光谱特征撷取模块扫描(loop)于该至少一个兴趣区域，且该物品光谱特征分析模块依序分析该至少一个兴趣区域，其中该物品光谱特征分析模块包括；
一搜寻模块，从该物品光谱特征数据库依据一光谱比较机制，搜寻出至少一初始候选物品；
一判断模块，用于核心操作；以及
一支持向量机模块，耦接该判断模块，以进一步确认该至少一初始候选物品，以得到该至少一第二候选物品，且对该至少一第二候选物品给予一权重。
7.根据权利要求6所述的物品识别系统，其中该光谱比较机制包括一形状吻合比较。
8.根据权利要求6所述的物品识别系统，其中当该初始选物品包括多个不同物品但是该些不同物品的光谱特征形态相似时，每一个该些光谱特征形态的至少一个特征区域被放大，以作细部特征的分辨。
9.根据权利要求1所述的物品识别系统，其中该融合模块包括：
一信息融合核心，用以对该第一信息与该第二信息作信息融合；以及
一处理模块，耦接到该数据融合核心，依据一物品种类的机率对该第一信息与该第二信息进行交叉比对，以分析出相似性。
10.根据权利要求9所述的物品识别系统，其中该处理模块包括：
一第一模块，耦接该数据融合核心，对于一相同的该兴趣区域取得该至少一第一候选物品与该至少一第二候选物品；
一第二模块，耦接该第一模块，找出该至少一第一候选物品与该至少一第二候选物品之间的相似性；
一第三模块，耦接该第二模块，根据影像特征或光谱特征以分析可靠度；
一第四模块，耦接该第三模块，对该至少一第一候选物品与该至少一第二候选物品作权重调整；以及
一第五模块，耦接该第四模块，以确认该实际物品。
11.一种物品识别方法，其特征在于，包括：
提供一影像/光谱感测元件，以从一实际物品取得一物品影像以及在对应该物品影像的多个感测区域对该实际物品感测出的多个光谱；
提供一物品影像特征数据库，储存多种第一物品样本的多组影像特征形态，其中每一种该第一物品样本是以一组片为代表，该组片是由包含多个微基础的一微基础阵列所构成，其中该每一组影像特征形态是以一组稀疏编码代表分布在所对应的该组片的该微基础阵列中的多个特征微基础；
提供一物品光谱特征数据库，储存多种第二物品样本的多个光谱特征形态；
提供一物品影像特征撷取模块，耦接到该物品影像特征数据库，以对应该物品影像的至少一兴趣区域(ROI)取得一实际物品影像特征形态；
提供一物品影像特征分析模块，为该至少一兴趣区域搜寻以该多组稀疏编码为代表的该多个组片的该多组影像特征形态，以选出至少一第一候选物品，以及输出关于该至少一第一候选物品的一第一信息；
提供一物品光谱特征撷取模块，耦接到该物品光谱特征数据库，以对应该物品影像的该至少一兴趣区域(ROI)取得一实际物品光谱特征形态；
提供一物品光谱特征分析模块，为该至少一个兴趣区域搜寻该些光谱特征形态，以选出至少一第二候选物品，以及输出关于该至少一个第二候选物品的一第二信息；以及
提供一融合模块，接收并分析该第一信息与该第二信息，以决定是否在该第一信息与该第二信息中存在至少一种确认物品，并以该至少一种确认物品为该实际物品。
12.根据权利要求11所述的物品识别方法，其中该物品影像特征撷取模块扫描于该至少一兴趣区域，且该物品影像特征分析模块依序分析该至少一兴趣区域，其中提供该物品影像特征分析模块的该步骤包括：
提供一搜寻模块，从该物品影像特征数据库搜寻出该至少一组包含第一相似的候选物品；
提供一判断模块，用于核心操作，以接收该至少一组包含第一候选物品的信息；以及
提供一组片基外观/纹理选择模块，耦接到该判断模块，根据该组片的该稀疏编码对该实际物品与该至少一第一候选物品作分析。
13.根据权利要求13所述的物品识别方法，其中该搜寻模块包括外观搜寻模块与纹理搜寻模块，以分析物品外观与物品纹理。
14.根据权利要求13所述的物品识别方法，其中该组片基础的外观/纹理选择模块依照支持向量机(SVM)，将全部的该些组片的全部该些微基础转换成为微基础特征向量，根据该微基础特征向量的微基础分布，以确认该至少一组第一相似的候选物品。
15.根据权利要求11所述的物品识别方法，其中该物品光谱特征撷取模块扫描于每一个该兴趣区域，且物品光谱特征分析模块依序分析每一个该兴趣区域，其中提供该物品光谱特征撷取模块的步骤包括：
提供一搜寻模块，从该物品光谱特征数据库依据一光谱比较机制，搜寻出多个初始候选物品；
提供一判断模块，用于核心操作；以及
提供一支持向量机模块，耦接于该判断模块以进一步确认该些初始候选物品，以得出该至少一第二候选物品且对该至少一第二候选物品给予一权重。
16.根据权利要求15所述的物品识别方法，其中该光谱比较机制包括形状吻合的比较。
17.根据权利要求15所述的物品识别方法，其中当该第二候选物品包括多种物品但是该些多种物品的多个光谱特征形态相似时，每一个该些光谱特征形态的至少一特征区域被放大，以作细部特征的分辨。
18.根据权利要求11所述的物品识别方法，其中提供该融合模块的步骤包括：
提供一数据融合核心，用以控制该第一信息与该第二信息的信息融合；以及
提供一处理模块，耦接该数据融合核心，分析该第一信息与该第二信息的一物品种类相似度，以确认该实际物品。
19.根据权利要求11所述的物品识别方法，其中提供该处理模块的步骤包括：
提供一第一模块，耦接该数据融合核心，于对应相同的该至少一兴趣区域，取得该至少一第一候选物品与该至少一第二候选物品；
提供一第二模块，耦接该第一模块，找出该至少一第一候选物品与该至少一第二候选物品之间的相似度；
提供一第三模块，耦接该第二模块，根据影像特征或光谱特征以分析一可靠度；
提供一第四模块，耦接该第三模块，对该至少一第一候选物品与该至少一第二候选物品进行权重调整；以及
提供一第五模块，耦接该第四模块，以确认该实际物品。