交通标志是道路交通系统的一个重要组成部分。交通标志检测与识别系统有着广泛的应用前景，它是驾驶辅助系统的重要组成部分，提高了驾驶车辆的安全性，也是无人驾驶智能车一个必备的系统。由于其在实际中有广泛的应用前景，诸多汽车产商和电子企业大力投资研发生产相关产品。现实城区复杂环境下的交通标志检测和识别技术在机器视觉和人工智能领域中是一个很有挑战性的课题。本文针对城区综合环境下的交通标志的检测与识别问题，进行了以下的几个方面的讨论和研究：　　 首先，叙述了课题的研究背景和意义、交通标志检测与识别技术在国内外的发展现状，简要分析了交通标志检测与识别的研究难点。然后根据国标文件(GB5768.1-2009)对城市道路常见的交通标志牌的规定以及城区道路环境成像特点的分析，构建了一个城区道路交通标志检测与识别的实验系统。　　 在交通标志检测技术方面，主要研究了2种不同的交通标志检测的方法。第一种方法是基于颜色和形状信息，这个方法检测速度较快，同时不需要任何的样本。第二种方法是基于颜色信息和Adaboost的交通标志检测技术，此方法需要的训练样本比较多，适合于采集样本充足的情况。第二种方法还可以扩展应用于信号灯检测、行人检测等。　　 在交通标志的识别方面，本文主要研究了2类不同的交通标志识别方法。第一类方法是基于Zernike不变矩结合支持向量机(SVM)的识别算法，这种方法在小量样本情况下就能得到很好的分辨效果，并且识别速度也较快，有很强的实用性。第二类方法分为基于稀疏表达分类算法(SRC)和基于协同编码分类算法(CRC)两种，通过分析实验结果可知，SRC和CRC对于遮挡和光照问题有较高的鲁棒性。随着特征维数的增加，基于协同编码的算法耗时要远小于基于稀疏表达的算法，同时两者的准确率相差很小。　　 最后对工作进行了总结，并对今后的工作提出了一些想法。