随着经济的快速发展和科技的不断进步,汽车保有量在近些年内大幅提升,与此同时,交通安全也成为了一个不可忽视的问题,在此背景下,汽车辅助驾驶系统应运而生。作为汽车辅助驾驶系统研究的一个重要的分支领域,交通标志的检测与识别算法研究也受到了越来越多的关注,但由于实际道路场景的复杂性,该领域仍有许多方面的研究尚未成熟。本文从交通标志的检测与识别这两个方面分别进行研究,取得以下的研究成果：1.针对常规的基于颜色阈值判别的交通标志检测模型,在处理光照变化、遮挡、退色等复杂环境下的局限性,本文提出了基于SVDD模型的交通标志检测方法。首先利用S空间的统计直方图对候选的标志牌区域进行自适应判别,并结合SVDD数据描述方法在HV空间建立多个单类判别模型,实现对多类标志牌的鲁棒检测。此外,对标志牌区域经过进一步的形状分析,有效去除干扰噪声,降低虚警率,从而提高检测性能；2.在交通标志牌检测的基础上,为进一步实现对交通标志的可靠识别,本文提出了一种基于核心内容区域匹配的交通标志识别方法。首先对检测到的标志牌区域进行自适应的二值化处理,实现标志牌核心内容区域的提取；在此基础上,分别利用形状矩以及SURF特征对检测到的标志牌核心内容区域与模板库进行匹配,从而可有效消除非核心内容区域对匹配精度造成的干扰。实验结果验证了该识别算法的有效性；3.在VS2010平台下,基于前述所提算法,搭建了一个鲁棒的、能够满足实时性要求的道路交通标志检测与识别原型系统。