随着城市化的发展、汽车的普及,道路交通的拥挤,交通事故的频繁和道路运输效率低等问题越来越来严重。在此背景下,许多发达国家开始采用高新技术改造现有的道路交通系统,即智能交通系统。这是一种集通讯、检测、控制与计算机等技术为一体的。实现该系统的一个关键技术就是要发展具有主动安全技术的智能驾驶车辆。基于计算机视觉的交通标志识别是智能驾驶车辆的关键技术和难点之一。因此,在车载视觉系统中,如何有效地识别道路交通标志是一个非常重要的研究课题。目前,已有的各种交通标志识别算法,各具特色,在某些特定场合发挥一定的功效,不过也存在一些不足。本课题的研究目的是为了克服这些不足,提高交通标志识别算法的实时性和精度,这对实际应用具有重要的意义。在分析和总结国内外对交通标志进行检测和分类识别的基础上,文本研究了交通标志识别的四大关键技术:预处理技术,分割技术,特征提取技术和神经网络分类技术,提出了交通标志识别系统的框架。接着结合具体识别目标,对分割技术和特征提取技术做了深入剖析后,提出了基于不变矩和模糊小波神经网络的交通标志识别算法。把模糊技术引入到神经网络当中,利用模糊技术的优点来克服神经网络的缺点,最后详细探讨了基于不变矩和模糊小波神经网络的识别方法,并与BP神经网络进行了实验对比,从而证明了本文提出基于不变矩和模糊小波神经网络的交通标志识别算法的有效性和优越性。实验表明,采用本文提出的算法对交通标志进行识别与传统的神经网络算法相比其训练速度更快,精度更高,能满足智能驾驶车辆系统在道路交通标志识别中的要求。