道路交通标志识别近年来一直是一个研究热点问题。经济社会的发展使道路交通面临诸多瓶颈,人们迫于寻求一种新的技术解决交通安全和阻塞问题,综合机器视觉、图像技术、计算机与通信技术等多项技术为一体的智能交通系统的提出给问题的解决提供了一种新的思路。它能够给驾驶员,自动、半自动驾驶系统或其他智能设备提供实时的道路信息,协助安全驾驶,在汽车自动驾驶系统、移动机器人系统中有很好的应用前景,因而引起了越来越多的学者关注,逐渐形成了一门具有特色的新学科。交通标志的自动检测与识别系统是智能交通系统(ITS)的重要组成部分,通过实时采集车辆行驶过程中周围环境的交通标志图像信息,并对图像信息进行分析和处理,能够更迅速准确的将信息反映给司机,从而提高驾驶的安全性。现有的交通标志的自动检测与识别方法一般分为两个阶段:首先是交通标志的检测,包括区域定位及必要的预处理;其次是交通标志的判别,包括特征提取与分类。由于交通标志的设计有统一的标准,一般具有明显的颜色、形状特征。因此,通常运用其颜色和形状信息完成交通标志的检测和识别。但是由于光照、遮挡、背景复杂容易与他物混淆等原因造成的交通标志图像不清晰,混淆、几何失真严重等因素使得识别准确率受到影响。本文提出了一种新的自动检测识别算法,在交通标志检测阶段,运用HIS颜色空间信息避免了光照阴影等因素对拍摄图像的影响,同时结合基于Hough变换的形状检测方法提高了检测的准确性。在分类阶段,运用分支树-SVM多类分类器根据提取的交通标志内部语义特征,运用统计学中聚类分析的类距离概念,计算特征空间中各类的最小距离,以最小距离计算该类与其他类的平均距离,来生成合理的树形结构支持向量机,提高了分类器的推广性能。