随着我国经济的快速发展,汽车得到广泛的普及,走入了千家万户。汽车在给人们出行带来方便的同时,我们也该清醒的认识到频发的交通事故给受害者的家庭带来极大伤害。因此,有必要对智能交通技术进行研究,以方便司机出行,减少事故的发生。交通标志牌自动检测与识别作为智能交通技术的一个重要组成部分,得到越来越广泛的重视。为了提高自然场景下交通标志牌的检测与识别速度和准确度,本文进行以下三个方面的研究：(1)交通标志牌的检测。针对自然条件下,外界环境干扰比较多,为了提高检测速度,本文首先使用颜色特征对图像进行分割,然后使用轮廓跟踪技术消除小的噪声点,最后利用交通标志牌的形状特性实现圆形与矩形标志牌的定位。本文还引入视觉注意模型,采用基于相似距离的Top-Down模型实现给定交通标志牌的定位；(2)交通标志图像形状不变矩提取。在检测到交通标志牌以后,本文采用改进的HU不变矩和Zernike矩提取交通标志牌的形状不变矩特征；(3)交通标志牌的识别。在交通标志牌识别方面,本文采用基于Hausdorff距离的图像匹配技术和基于模糊C均值技术实现图像识别。实验表明,模糊C均值比图像匹配技术拥有更好的识别效果和应用价值。本文是在VC++平台下结合OpenCV对算法进行实现,结合实验图像验证了算法的有效性和可行性,实现了交通标志牌的快速检测与识别。