交通标志识别系统是车联网中汽车与环境进行交互的一个关键系统,是计算机视觉领域的一大应用。对于交通标志识别系统算法的研究也能够为人脸识别、行人检测等其他相关的领域的发展做出贡献。而在检测和识别的实际应用当中速度和准确率成为限制其使用的一个关键因素,因此本文对复杂环境下的交通标志检测和识别系统进行研究,提出了新的交通标志检测和识别算法。本文首先对交通标志检测和识别的相关理论进行研究,详细阐述了交通标志特征提取和机器学习两个方面的内容,然后把交通标志识别系统划分为检测和识别两个部分,针对复杂环境下的交通标志识别困难的问题,分别对两个部分的算法做出了设计和创新,并对其进行实验分析。在交通标志检测阶段:1)针对图像模糊,对比度较低等问题,使用了限制对比度直方图均衡化的方法对图像进行增强。2)针对各种图像特征效果不一的问题,选取了积分通道特征的改进算法聚合通道特征对交通标志进行特征提取。3)在检测的后处理阶段,本文使用非极大值抑制的方法对检测到的多个窗口进行融合,从而得到比较准确的检测结果,同时运用了快速特征金字塔的方法加快了检测速度,实验从召回率与查准率曲线来说明本算法的有效性。在交通标志的识别阶段:1)由于对于特征的提取有着更高的要求,所以本文提出了一种空间塔式算子,该算子首先提取了了空间塔式词袋特征来对图像的外观和颜色信息进行描述,同时提取了塔式边缘方向梯度直方图特征来对图像的边缘轮廓信息进行描述,由于两种特征都具有空间表达的能力,所以提取到的特征能够对图像特征的空间分布状况进行详细的表述,得到的融合式空间塔式直方图特征具有极强的鲁棒性和特征表达能力。2)在支持向量机选型问题上,本文采用了对于图像直方图类特征分类较强的直方图交叉核支持向量机对提取到的特征进行训练和分类,实验表明本算法在识别速度和准确率上都达到了不错的效果。