近年来,越来越多的研究者开始关注智能交通系统(ITS),而交通标志检测是智能交通系统的重要环节,并且是交通标志识别的前提,具有重要的研究意义和应用价值。面对相对复杂的自然场景,交通标志检测目前尚没有成熟的实际应用,因此需要继续研究一种对于复杂场景下的交通标志普遍适用的检测方案。本文针对复杂环境下的交通标志检测算法进行研究,目的是提出一种对实际应用时的各种场景均适用的检测方案。本文的主要工作有如下几个方面:(1)对比分析几种基于颜色空间的交通标志分割方法,针对固定阈值颜色分割方法的缺陷提出一种基于RGB颜色空间的自适应阈值分割方法RGBAT(RGB Color Space Adaptive Threshold)。该方法能有效克服固定阈值分割方法易受光照、标志褪色、阴影等因素影响的缺陷。通过与几种基于颜色空间的交通标志分割方法进行对比实验分析验证了RGBAT方法的有效性。(2)依据交通标志检测应用对梯度直方图特征HOG与HSV量化直方图特征进行简化,在保证特征的分类能力的同时降低特征维数。(3)针对复杂环境下的交通标志图像提出一种新的普适的检测方案。对交通标志图像分为高亮度、中亮度与低亮度三类,每一类设计合适的检测方法;在交通标志精确检测步骤中对候选区域分为高亮度、中亮度、低亮度三类,针对不同类别分别训练出相应的SVM分类器:High_SVM、Medium_SVM、Low_SVM。对复杂的场景进行分类处理可以在一定程度提高检测方法的适应性。