根据公开资料显示,我国的汽车数量已经占据全球汽车总量的十分之一,可是我国因交通事故死亡的人数却比汽车占有率更高,达到了16%。世卫组织2015年的统计数据显示,我国道路交通事故造成的死亡人数已经超过21万,绝大部分是由于驾驶员超速驾驶造成的。在这种背景下,智能驾驶系统(包含无人驾驶系统)的概念应运而生,其主要目的便是利用计算机视觉技术对道路信息进行收集并自动做出分析,有效地提高道路交通的安全性。及时准确的限速标志识别可以提醒司机保持安全行驶速度。本文提出了一种改进的径向对称算法用于检测限速标志。目前限速标志的识别研究主要是基于颜色和形状两种特征。限速标志的形状相比颜色更加稳定,不容易受到自然环境等因素的影响。本文决定采用基于形状特征的检测算法。由于车载设备所采集到的均为高清图像,限速标志会出现在特定位置,即利用先验知识针对主要区域进行检测,避免无谓的计算。在确定限速标志区域时,本文提出了一种改进的径向对称算法,其计算复杂度更小、定位更加准确。在计算图像的边缘梯度值时,本文选择Scharr算子,使得梯度图可以保留更多的边缘特征,因此候选区域圆心可以获得更多的投票,确保定位更加准确。对于已经分割出的限速标志候选区域,采用二次分割获得准确的限速标志前景,然后使用高斯滤波,利用Otsu算法得到二值图。通过统计二值图的连通区域数量判断是否为限速标志。保留二值图中的最大连通区域,利用投影分割法提取出完整的待识别字符。对待识别字符进行归一化处理后,提取其概率粗网格特征,利用训练好的BP神经网络对其进行分类识别。实验结果显示所提算法具有良好的鲁棒性和实时性。