交通标志是交通系统的重要组成部分,可向驾驶员提供各种引导和约束信息,如前方驾驶道路状况的改变、限制速度、限制驾驶行为等信息。适时给驾驶员提供这些信息有利于驾驶员及时反应,保证驾驶安全,避免交通事故的发生。因此如何准确实时地利用计算机视觉系统识别复杂环境下的道路交通标志成了智能交通系统的研究热点。由于交通标志种类繁多,又常处于室外复杂的环境下,其检测与识别易受到天气、光照、形变、倾斜、褪色、相似背景、标志粘连等诸多因素的影响,且在性能上既要保证识别率又要满足实时性,因此识别算法的设计难度颇大。本文在总结国内外各种研究方法的基础上,针对现有识别算法的不足进行了改进和创新,设计并实现一种基于多线索混合的交通标志检测、识别和跟踪方法。在检测阶段,采用了基于颜色和形状的方法。先利用基于伪RGB—HSI转换方法和梯度线索进行颜色分割,再利用拐角特征,纵横比和形状线索进行形状检测。本文提出的算法能够克服光照影响和复杂的模型转换,解决了相似背景、标志粘连等情况,避免了耗时的Hough变换,提高了检测的准确性和可靠性。在识别阶段,首先根据颜色和形状的对应关系进行粗分类,然后针对每一类标志建立了一个二叉树结构的SVM多分类器用于识别其具体含义。为增加识别率,本文提出一个有限状态机的方法融合多帧识别结果,从而可判定一个交通标志是否真正地被识别。在跟踪阶段,为避免粒子滤波、卡尔曼滤波等方法需要自车运动信息,建模困难的问题,本文采用Lucas-Kanade特征跟踪的方法跟踪交通标志,并利用跟踪结果进行多帧关联。实验结果表明,本文提出的算法对复杂场景中的交通标志均能准确定位、对光照和天气的变化有一定鲁棒性,具有处理速度快、准确性高的特点,能够满足复杂场景下实时处理的要求。