交通标志检测是智能交通系统研究的重要领域之一,是未来智能汽车的重要组成部分。交通标志蕴含着重要的提示,指示或者警告信息。忽略这些信息会给驾驶员带来灾难,因此为了使人们更加舒适安全智能的驾驶汽车,交通标志的检测研究变的越来越重要。交通标志处在自然环境中,其检测受到诸如光照、阴影、遮挡、颜色退化、或者其所处的环境复杂等因素影响。正因为这些原因,使得交通标志检测变的非常困难。为了减少这些环境因素的影响,使驾驶员可以方便的容易的看到交通标志。交通标志被设计成了特殊的颜色如(红、黄、蓝)或者特殊的形状(如三角形、圆形),因此颜色和形状是检测交通标志的重要信息。针对这些特性本文在研究原有的交通标志分割与检测技术的基础上提出一种基于颜色不变量和塔式梯度方向直方图(PHOG)特征的交通标志检测方法。该方法首先在高斯颜色模型下提取颜色不变量特征并对其进行聚类,以分割出候选感兴趣区域；然后采用基于面积的方法和对称性检测的方法先初步滤除一些面积过大或者面积过小及不够对称的区域。经过面积和对称性滤除后,对剩下的感兴趣区域提取PHOG特征并用支持向量机进行形状分类,进而区分交通标志形状和噪声区域。对自然环境下的交通标志,PHOG特征所采用的Canny算法在获取感兴趣区域轮廓时会产生较多噪声,从而降低交通标志分类性能,为此,本文提出利用Chromatic-edge来增强目标轮廓并抑制噪声以提升PHOG特征描述能力。本文实验结果表明本文方法对光照、阴影、遮挡、以及背景复杂等因素具有较高的鲁棒性,获得了较高的检测率和较低的误检率。