当今社会,交通事故日益频繁,这些频繁的交通事故给当今社会造成重大损失,因此高级驾驶员辅助系统(Advanced Driver Assistance System,ADAS)应运而生,自动交通识别检测技术是其中的一个重要组成部分,然而由于部分遮挡、不同视点、光照和天气条件等原因,交通标志的识别还存在很多问题,需要进一步的研究。为了进一步解决这些问题,因此本文在总结并分析了大量国内外相关文献的基础上,利用机器学习等相关知识进行了交通标志识别方法的研究,选取多分类单杆检测器(Single Shot multibox Detector,SSD)算法作为交通标志目标检测算法,在此基础之上,提出了一种新型的交通标志检测算法,可以提高检测准确率,并且具有高效性和实时性。本文的主要工作以及创新点如下:(1)研究了交通标志的传统识别方法,包括基于视觉信息的交通标志识别和基于特征提取和机器学习的交通标志识别方法,总结并且分析了方法的优劣。(2)研究和分析了与神经网络相关算法和常见的目标识别方法。其中,重点研究了Faster R-CNN和SSD目标检测方法,然后将其应用于交通标志识别。总结并且分析了方法的优劣。(3)通过分析实时交通标志检测的难点,然后经过对SSD网络和其识别结果的分析,发现网络的低层的特层征包含比较多的小目标信息,而高层特征则包含更多的大目标信息,提出了基于特征融合和增强的交通标志检测算法(MF-SSD),可以将有效的通道进行效果增强,对于无效的特征通道进行抑制,从而达到小目标检测率的目的,同时对大目标交通标志的识别也有不错的检测效果。