道路交通标志检测与识别系统是智能交通系统的核心技术之一,也是自动驾驶辅助系统的主要构成部分。道路交通标志检测与识别系统的技术研究能够提高车辆通行的安全性,还可以促进汽车智能化发展进程,有其重要的研究意义及应用价值。道路交通标志检测与识别系统是以复杂背景下的交通标志作为研究对象。由于拍摄交通标志的角度、光照、天气、位置不同,存在交通标志颜色失真、形状变化、噪声干扰等问题。由此本文利用图像灰度化、图像增强及图像二值化等预处理方法,对交通标志视频提取的图像进行处理,减轻图像干扰因素的影响,突出感兴趣的区域。同时道路交通标志检测与识别系统以能够准确地检测与识别出交通标志为目的,致力于为自动驾驶车辆提供提示、指引、警示等交通标志信息。由此本文利用Canny算子提取图像边缘信息,并采用改进的霍夫变换算法对交通标志进行定位检测。最后运用HOG特征提取方法,获取有价值的特征描述,并结合基于线性核函数的支持向量机分类识别出道路交通标志。本文研究结果表明,利用改进的霍夫变换算法进行交通标志检测,与传统霍夫变换等算法相比,在检测结果准确性上有优势。HOG特征提取与其他特征提取算法相比,具有较高的分类准确率,但时间消耗较大。基于线性核函数的支持向量机,在存在干扰因素的复杂背景下的交通标志识别中,识别准确性较好。