随着汽车保有量的迅速增加,道路交通的畅通性和安全性成为智能交通系统的首要关注问题,而在汽车主动安全性领域,交通标志识别系统能够及时为驾驶员提供道路交通信息,可以极大的减少交通事故的发生,因而设计一个能够在汽车上应用的交通标志识别系统具有极其重要的应用价值。本文的研究对象是比较常见的三大类交通标志,主要是对其进行检测、跟踪和识别,然后将系统算法移植到嵌入式平台上,进行应用实现。交通标志检测阶段,为了能够在复杂的背景或干扰中快速定位到交通标志,本文采用颜色和形状双重特征对其进行定位。通过对比RGB颜色空间和HSV颜色空间的颜色分割效果,选择了HSV颜色空间进行颜色阈值分割,消除大部分背景,然后对颜色分割图像采用了两种算法相结合进行形状检测,分别是基于改进的Hough变换的圆形检测算法与多边形逼近的矩形和三角形检测算法,提高了检测准确率。交通标志跟踪阶段,为了提高视频序列的检测时间,采用卡尔曼滤波对图像视频帧进行跟踪,同时为了提高跟踪精度,提出了利用BP神经网络对卡尔曼滤波器改进的算法,主要是利用BP神经网络的学习能力来提高卡尔曼滤波的估计能力。交通标志识别阶段,本文采用FHOG特征作为交通标志的特征提取方法,其结合了HOG特征和PCA两者的优点,能够很好的提取特征,同时采用支持向量机作为交通标志识别的分类器,搭建了一个多类分类器,能够取得较好的识别效果。最后,本文选择AM5728作为系统算法应用的嵌入式平台,其异构多核的视频处理模式能够很好的满足系统要求。通过对AM5728进行开发,编译好交通标志识别系统的运行环境,将系统算法进行交叉编译并移植到AM5728平台上,同时对算法进行一定的优化,然后在实验室和汽车上分别进行测试,能够达到良好的实时性和应用性。