作为一种有望解决目前很多交通安全问题的有效方法，汽车驾驶辅助系统(AdvancedDrivers Assistance System，ADAS)受到越来越多的人的关注和重视。经过二十多年的发展，目前已建成了关于此系统的一整套较为成熟的理论体系，包括车辆防撞预警，车道偏离预警、道路障碍物检测、自动泊车等。而交通标志识别(Traffic sign Recognition，TSR)作为车辆辅助驾驶系统中的重要组成部分，同样获得了较高的关注度。但在复杂的道路环境下，存在着光照条件的变化、车辆的运动与振动造成的图像模糊、交通标志被遮挡、算法实时性不高等问题，因此，交通标志的识别是目前汽车驾驶辅助系统中尚待解决的技术难题之一。　　 现有的交通标志检测算法大多针对某一类特定的交通标志，或者在某些特定的环境下使用。因此，研究如何采用通用的算法。克服现有标志检测的缺陷，提高识别的实时性和准确性便成为目前国内外交通标志识别系统研究的重点。为此，本文通过研究国内外的文献，针对现有的交通标志识别算法，在以下几个方面做了进一步的研究：　　 (1)改进现有的基于颜色的交通标志检测方法，提出一种基于视觉对抗色的方法进行交通标志的检测。在复杂的交通环境下，采用传统颜色空间的方法鲁棒性差，算法效率低，难以准确有效的检测出交通标志。首先，将图像在不同的对抗色空间进行高斯金字塔分解；其次，采用中央周边差算法，增强交通标志的颜色特征；最后，对二值化的图像进行水平方向和竖直方向的投影，统计最大值区域，标记交通标志的位置。　　 (2)提出一种基于径向对称性的交通标志检测算法，并将其融入到现有的基于视觉显著性的模型中。该方法以寻找具有径向对称性的交通标志为目的，通过图像预处理、边缘检测、求梯度大小和方向、中心点权值加强等步骤，找出径向对称标志的中心。实验结果表明该方法能够快速、准确地定位标志区域，同时达到了较高的鲁棒性和实时性。　　 (3)研究了模板匹配技术在交通标志识别中的应用。利用尺度不变特征变换进行特征提取，并利用基于Hausdorff距离的交通标志匹配算法。该方法具有较高的识别精度和较好的实时性。同时通过仿真实验验证了算法的可行性。