随着目前一些不良驾驶习惯的呈现,如开车时接电话,与车里其他人聊天等,使得驾驶员的注意力被转移,以至驾驶员忽略交通标志的现象越来越普遍。恶劣的天气和其它不良的驾驶环境有时也会使驾驶员不能一直保持警惕,而忽略路上的重要交通标志。众所周知,当驾驶员错过或者忽略一些重要的交通标志时,可能会导致交通事故的发生。并且目前交通越来越拥挤,交通标志也越来越多,因此设计一个能够帮助驾驶员识别交通标志以便减少交通事故发生的系统是很有必要的。本文主要在研究分析现有的交通标志识别相关算法的基础上,将低照度环境现实场景下的交通标志作为主要研究对象,提出适合全天候全路况的交通标志检测与识别算法,并在算法设计验证完成后,将其移植到硬件平台上实现。针对能见度较低的道路环境,在进行交通标志检测前,本文恰当地采用了带色彩恢复的Retinex算法对图像进行预处理增强,为提高系统识别的准确率作了较好的前期处理。在交通标志检测阶段采用基于颜色空间和形状特征相结合的方法,对比了基于归一化RGB和基于HSV颜色空间的分割效果,并将分割后的感兴趣颜色分量分别存储以避免相互干扰。此外,颜色分量低于某阈值的图像没有后随的处理,可提高系统的效率。在形状检测方面,为了提高准确率,对交通标志的不同形状采用了不同的检测方法,最后提取出交通标志候选区域。针对交通标志识别阶段,为了得到良好的识别效果和实现较好的推广能力,本文采用Hu不变矩作为特征提取对象,设计基于支持向量机的多类分类器,并通过实验选择了合适的分类器参数。最后,本文选择Cubieboard4作为系统实现的硬件平台,对于Cubieboard4较高的主频以及足够的内存,本文通过使用GCC直接编译将软件系统移植到嵌入式平台。根据实验结果,本系统能够达到实时性要求,并且在低能见度下具有较高的识别精度,体现了系统的可行性。