近十几年来,随着社会的进步、经济的发展、汽车的普及,交通事故频繁发生,其中决大多数是由于人为因素酿成的。架设车道上方或道路两旁的交通标志是用来提供当前路段的最高或最低速限,警示自车前方道路状况的改变,限制部分自车行为以保障其他车辆的安全。然而,当驾驶人注意力不佳时,常因无法清楚的辨识这一信息,而导致事故的发生。因此,交通标志的自动检测与识别具有重要的理论意义和应用价值。由于交通标志种类繁多,又常处于室外复杂的环境条件下,其检测与分类易受到天气、光照、形变、倾斜、褪色、相近背景、图像边缘模糊等诸多因素的影响,且在性能上既要保证识别率又要满足实时性,因此识别算法的设计难度颇大。本文在总结国内外各种研究方法的基础上,针对现有识别算法的不足进行了改进和创新,设计并实现了一种新型交通标志识别算法,由检测、分类和跟踪三部分组成。在检测阶段,采用了基于颜色和形状的方法,先利用基于RGB和HSI相结合的颜色检测算法进行粗分割,再利用基于角点特征的多边形检测算法和基于边缘特征的圆形检测算法进行细分割。该算法能够克服光照影响和复杂的模型转换,解决了原有角点检测对圆形失效的问题,避免了耗时的Hough变换,提高了检测的准确性和可靠性。在分类阶段,通过改进Harr小波提取标志内部的边缘特征,利用基于支持向量超球体的二叉树支持向量机多分类算法,有效地解决了多分类问题中经常遇到的不可分问题,提高了算法的抗噪性和推广能力,而且缩短了训练时间,加快了分类速度。在跟踪阶段,采用了基于Lucas-Kanade的特征点跟踪算法,避免了对非地面目标物运动规律建模的困难,增强了算法的适用性和稳定性。本文的算法对我国以及日本等道路图片进行了大量测试,实验结果表明本文的算法具有较高的识别率,对于复杂场景具有一定的鲁棒性,为解决交通标志识别中存在的问题和困难找到了一条切实可行的途径。