交通标志检测是智能交通系统中的关键环节,主要负责敏捷而且高效地将交通标志从采集图像内的多样的背景图像中分离出来,给驾驶员提供一些基本交通信息,例如,指示他们行驶的方向、警告他们驾驶的行为,或者告知他们当前驾驶环境中禁止的交通行为,引导其有序地使用道路。交通标志检测使用的数据主要通过安装在汽车上的行车记录仪、相机等设备获取,成像过程中的光照、遮挡等复杂环境因素,以及交通标志自身的颜色随着时间会发生退色、人为损坏等情况,均可能导致数据质量下降,给交通标志检测带来困难,目前交通标志检测的准确率距离现实应用的需求尚有一定的距离。本文根据日常生活中最经常见到的指示类交通标志(多为蓝色、圆形)和禁令类交通标志(多为红色、圆形和三角形)的颜色及形状特点,提出了一种基于颜色和形状的指示/禁令类交通标志检测方法。具体工作总结如下:(1)利用指示/禁令类交通标志图像的颜色信息,基于最大稳定极值区域与显著性区域筛选可能包含交通标志的感兴趣区域,实现交通标志的粗定位。通过这种算法可以从某些的程度上来去除自然光以及噪声对采集图像的影响。(2)利用指示/禁令类交通标志的圆形和三角形的形状信息,使用径向对称变换算法把交通标志感兴趣区域分为两类,一类是含圆形标志感兴趣区域,另一类是其他感兴趣区域。对含圆形标志的感兴趣区域进行圆形标志检测并且对其位置进行标定;对其它感兴趣区域使用霍夫变换进行三角形标志检测并定位。(3)针对数据获取过程中光照的影响,在基于采集图像的颜色信息对指示/禁令类交通标志进行粗定位之前,本文加入色偏校正的方法来对图像进行预处理操作,尽最大的可能来修正采集图像受光照影响而产生的色差,以提高获取交通标志感兴趣区域的精确度,从而提高检测率。本文提出的基于颜色和形状的指示/禁令类交通标志检测方法没有训练学习的过程,从而可以大大地缩短了检测的时间,通过在豊田工业大学交通标志数据集上进行了实验,实验的成果表明该检测算法相比对比方法要有更高的检测率。