随着中国经济的快速稳步的增长和汽车制造业的蓬勃发展,近年来私家车的持有量正呈现显著上升的趋势。在享受汽车带给我们便利交通的同时,因超速、违规等原因导致的交通事故的问题也日益严重。因此作为智能交通系统的主要组成部分——交通标志识别系统逐渐成为了学术界研究的焦点之一。本文利用自车前方相机拍摄的道路场景信息以及计算机视觉和机器学习的相关理论,对交通标志进行实时的识别,目的在于提供驾驶者实时的环境咨询和安全警告,预防交通事故的发生本文在总结了国内外各种方法的基础上,针对现有方法进行了改进和创新,设计并实现了一个基于视觉的实时交通标志识别系统,其中包括了检测和识别两大部分：在检测阶段,采用了基于径向对称的检测方法,这种方法有效地解决了基于颜色方法容易受光照影响的缺点,并且具有良好的实时性。在分类阶段,采用了基于二叉树的SVM多分类算法,这种方法可以解决其他多分类方法的存在不可分区域的缺点,并且分类效率较高。但是这种方法可能存在错误识别结果的积累,且二叉树的结构的好坏直接影响分类效率。为了解决这些问题,本文采用基于样本间距离的方法构建二叉树结构,这样可以有效地解决这些问题。针对机器学习方法的计算复杂度高的缺点,本文采用了基于F-score的方法进行特征降维,这种方法不但充分考虑了样本的类别信息,适用于多分类问题,而且可以有效地解决机器学习方法计算复杂度高的问题,从而增强系统的实时性。本文选取了各种场景下的道路信息作为测试数据,通过在PC和ASB-S700系统平台上分行测试,得出的系统实验结果表明系统具有较好的实时性和较高的鲁棒性。