交通标志识别目前是无人驾驶和汽车辅助系统的研究热点。高质量的交通标志识别可以为驾驶员或者无人车实时、准确地提供交通路况、交通规则等信息,辅助驾驶决策,从而提高行车安全,减少或者避免交通事故的发生。因此交通标志识别是一项非常值得研究而又有挑战的课题。本文采用长沙理工大学综合交通运输大数据智能处理实验室所提供的中国交通数据集进行基于支持向量机的识别,首先对原始图像进行预处理:选择SNN算法对其进行滤波处理;再采用改进后的MSRCR算法对图像进行增强,在增加图像对比度的同时,保持了交通标志颜色的恒常性。其次,通过对交通标志外形特点和颜色特征的研究,选择在RGB颜色空间下,根据R、G、B的差值范围直接对自然场景中的图像进行分割处理,但分割后的图像中存在过多的干扰,将图像灰度化后,采用最大类间方差法和经验阈值相结合的方法对分割后的区域进行筛选,定位出交通标志。最后,在交通标志识别阶段,首先将分割出的交通标志进行尺寸归一化,其次本文采用SVM对交通标志进行多分类识别,由于交通标志种类的多样性和颜色形状之间的相关性,因此识别过程分为两步:基于颜色-形状的粗分类和基于内部区域的细分类。在粗分类中根据颜色特征与外部轮廓将交通标志分为四类:红色圆形、蓝色圆形、蓝色方形和黄色三角形;在细分类中使用改进的Hu不变矩和仿射不变矩相结合的方法对交通标志的内部信息进行特征提取,最终识别出交通标志的具体含义。实验结果表明:根据不同标志训练得到最优的分类器,有效地将交通标志识别率提高到95.89%。