随着社会经济的发展,机动车辆数量迅速增加,交通拥挤、交通事故、运输效率等问题日益严重,被视为解决这一问题的智能交通系统(Intelligent Transportation System,ITS)以其极大的优越性和广阔的市场价值受到越来越多人的关注,与此同时做为智能交通系统的重要分支——交通标志识别系统也得到了相应发展。本文在交通标志的检测与识别算法上进行了重点研究。首先,采用了颜色和边缘特征相融合的交通标志检测算法。该方法首先根据交通标志在视频图像中的特点,采用SVF颜色向量滤波器结合HSI颜色空间实现交通标志的初分割。然后提取单帧图像边缘信息,将颜色分割结果与边缘图像有效融合大大剔除干扰背景,最后对融合后结果图像进行形态学处理,得到较完整的目标边缘区域,为后续交通标志的检测打好基础。其次,分析了交通标志的形状特征,对现有的检测算法进行改进。对于圆形禁令标志和指示标志,提出了一种基于对称性特征的四方向模板匹配算法,克服了存在遮挡时标志检测难的问题；对于矩形指示标志和三角形警告标志从拐角特征入手,结合其本身具有的几何结构特性进行检测,同时在搜索策略上进行了改进,并通过实验验证该方法的有效性。最后,分析了人类视觉的目标识别过程,结合人类视觉感官特性采用基于显著性特征的分层识别方法。介绍了分层识别的一般程序和具体方法,在此基础上应用BP神经网络分析目标不同属性特征对分类识别结果的影响,确定目标属性特征的显著性程度,最终将该方法应用在视频图像中交通标志的分层识别上。实验证明,采用分层的识别方法可以达到更好的识别效果,同时也更符合人类认识事物的一般过程。