交通标志的检测和识别研究一直是机器视觉和智能交通领域的一个研究热点,并与城市交通安全密切相关,具有十分重要的理论和应用价值。近十几年来,交通标志检测和识别技术有了长足进步,但还面临很多需要解决的技术难题。本文针对多类别交通标志识别系统中的感兴趣区域提取、标志牌检测和标志牌识别等关键问题进行研究,并针对较大遮挡和较大拍摄角度情况的标志牌检测和识别方法进行研究。主要研究内容和创新点如下：(1)提出了一种基于高对比度特征的多类别交通标志感兴趣区域提取方法针对传统基于颜色阈值的感兴趣区域提取方法对颜色变化敏感的缺点,本文提出了一种基于高对比度特征的感兴趣区域提取方法,称为高对比度区域提取(High Contrast Region Extraction,HCRE),该方法的设计原理是：不同种类的交通标志在其标志区域的灰度或颜色分布具有明显差异；而交通标志周围的环境则通常具有相似的分布,如道路,天空和树木等。方法步骤：首先,对输入图像进行颜色增强；然后,对增强后图像使用高对比度特征累加投票的方法进行高对比度特征提取；最后,根据投票结果进行感兴趣区域提取。该方法避免了传统基于颜色阈值方法对颜色变化敏感的缺点,并且对模糊边缘具有较好鲁棒性。基于三个不同国家标志牌数据库的实验证明了所提出的感兴趣区域提取方法的有效性。(2)提出了一种分流级联的多类别交通标志检测方法针对现有标志检测方法在多类别交通标志检测中准确性和运行速度上的局限性,本文提出了一种快速的分流级联标志牌检测方法(split-flow cascade tree, SFC-tree)。该方法能够在高分辨率图像中快速的检测和定位多种类别的交通标志,并且能够达到较高的检测率。该方法有三个主要创新点：首先,为了能有效地表达多种类别交通标志,本文设计了两个特征,称为多块标准化LBP和其倾斜版本；其次,该方法设计了一种分流级联树结构SFC-tree,它利用了多类别交通标志的共同特征来构造一个由粗到精的多类别交通标志检测器；最后,该方法设计了一种共有特征查找算法来寻找不同标志牌的共同特征,并建立一个有效的分流级联交通标志检测框架。基于GTSDB数据库高分辨率图像的实验表明：该框架能够检测GTSDB数据库中43种具有不同形状和不同颜色的交通标志牌,并且具有不使用任何彩色信息、检测精度高和实时性好等优点。该分流级联检测方法在检测速度和检测精度方面的综合表现要好于目前已有的检测方法。(3)设计了一种由粗到精的多类别交通标志识别方法交通标志识别存在的主要难点有：标志牌种类繁多,部分标志牌非常相似,存在遮挡和污染,反光和拍摄角度变化等。本文在检测方法基础上对识别分类方法进行研究,提出了一种基于SVM的粗分类方法和基于Extended-SRC(Extended Sparse Representation Classification)的细分类方法。所提出的粗分类方法,先对检测结果进行身份验证,然后再进行识别和粗分类,能大量减少粗分类所需的分类时间。所提出的基于Extended-SRC的细分类方法能够通过构建内容字典和遮挡字典实现对带部分遮挡标志牌的快速识别分类,比传统基于SRC的方法具有速度更快和识别率更高的优点。在GTSDB图库和实验室拍摄的标志牌图库的实验验证了所提出的识别方法和所建立的多类别交通标志识别系统的有效性。(4)研究了较大遮挡情况下的标志牌检测和识别方法由于标志牌安装不规范、树木和线杆遮挡等原因,部分城市存在较多具有较大遮挡的标志牌。检测和识别带有较大遮挡的标志牌是标志牌识别系统的一个难点。本文根据遮挡标志牌的特征设计了一种彩色矩形块特征；在彩色矩形块特征基础上,设计了基于SFC-tree的遮挡标志牌检测方法,对较大遮挡标志牌的检测具有较好的鲁棒性。在检测方法基础上,设计了基于Extended-SRC的分类方法,该方法能够识别带有较大遮挡的标志牌。基于带遮挡的标志牌图库的实验结果验证了所提出遮挡鲁棒的检测和识别方法的有效性。(5)研究了较大拍摄角度情况下的标志牌检测和识别方法在一些行车条件下,标志牌的拍摄角度存在较大变化,而较难进行检测和识别。本文首先根据标志牌的角度变化特点提出了一系列方法,用来检测存在较大角度变化的标志牌。首先,使用Cascade检测器检测正面标志牌,并提取显著颜色区域；其次,使用提取的显著颜色设计显著颜色提取方法,进行整幅图像的感兴趣区域提取；最后,对提取的感兴趣区域进行基于形状上下文分析的模式匹配识别。在检测方法基础上,本文将检测到的标志牌仿射变换到相同尺寸,然后设计了基于HOG特征和SVM分类器的标志牌分类方法。基于多角度标志牌图库的实验验证了所提出方法的有效性。