随着科技的发展和汽车社会化的推进,世界范围内汽车保有量日益增多,安全驾驶问题随之而来。交通标志在规范交通行为、确保安全驾驶等方面具有重要的意义。本文基于车载视频,对交通标志的检测与跟踪技术进行了细致的研究和探索,所做工作包括：1.改进HSI颜色分割算法,提高了算法速度和抗干扰能力。利用我国主要交通标志独特的颜色组成信息,设计了基于颜色对(蓝白、红白、黄黑等)的交通标志检测算法。研究图像二值化自动阈值获取方法,比较了大津法和最佳阈值法的特点。2.设计了基于道格拉斯-普克算法的交通标志最外层轮廓拟合方法,通过判断拟合多边形的凸性来排除干扰区域。交通标志轮廓基本都为规则图形,本文提出了基于交通标志重心的干扰区域判定规则,可以排除大部分形状不规则的干扰区域。3.基于Camshift算法,实现了视频序列中交通标志跟踪。基于目标颜色直方图和反向投影图像,改进了Camshift算法,提高了算法对颜色干扰的鲁棒性。4.当连续两视频序列中的同一交通标志无重叠或者交通标志被完全遮挡时,Camshift算法失效。基于交通标志的位置和速度信息,建立了交通标志位置的kalman预测模型,进一步改进了Camshift算法,提高了交通标志跟踪算法的性能。本论文检测算法所提出的颜色对检测、交通标志的凸性检测及交通标志候选区域重心检测都具有旋转不变性的优点,因此本文检测算法对交通标志倾斜、旋转具有较强的鲁棒性。本论文跟踪算法使用的Camshift算法有效利用了交通标志的颜色特征、kalman预测算法有效利用了交通标志的速度和位置信息,因此通过二者的结合实现了对交通标志的跟踪与预测。