随着城市化的发展,智能交通系统已经成为解决城市道路交通的重要手段。智能交通系统是一个集通讯、检测、控制和计算机等技术于一体的综合信息管理系统,主要包含智能基础设施及智能车辆等。其中,作为智能车辆的重要组成部分之一的道路交通标志识别系统,在车辆行驶过程中需要实时采集和识别出现的交通标志信息,并及时地指示或者警示驾驶员以辅助驾驶,甚至在特殊情况下可以直接对车辆进行控制,以确保行驶安全,防止交通事故发生。交通标志识别系统主要包括自然场景下交通标志的检测和交通标志的分类识别两个方面的内容。尽管学者们已花费大量时间进行这方面的研究,但仍然还存在着这样或那样的不足,如在复杂环境下算法的鲁棒性问题等。本文主要从交通标志图像预处理、分割、特征提取和识别等方面,对交通标志识别进行了研究,取得了较好的效果。本文的主要工作如下:1.道路交通标志图像预处理。在预处理阶段采用HSV空间直方图均衡化法来增强自然场景下采集到的交通道路图像,并利用中值滤波进行去噪处理。2.基于HSV空间下颜色分割和形状特征的交通标志定位。根据颜色空间模型特性的不同,选择在HSV颜色空间对交通标志进行粗分割,然后使用形态学对粗分割后的二值图像进行膨胀、填充等操作,最后利用形状特征实现交通标志的精确定位。3.道路交通标志特征提取及分类识别。因为一种特征常常无法全面地描述交通标志图像的特性,所以可以将两种或者多种特征相组合,通过特征之间的互补性增强特征的表达能力。本文对交通标志图像提取HOG-CTH融合特征,此融合特征由方向梯度直方图HOG特征和统计变化直方图CENTRIST/CTH特征组合而成,具有表达能力强、分类效果优及特征矢量维度低等优点。在机器学习算法上,本文通过研究统计学理论和支持向量机原理,设置了支持向量机分类器对交通标志融合特征进行识别分类。4.应用实验研究。选取实际场景中常见的交通标志作为研究对象,验证本文提出的方法。实验结果表明,所提出的交通标志识别算法能够识别出自然场景中的交通标志,并且具有较高的识别率,同时符合实时性的要求。