近些年来,模式识别的研究越来越被重视,使得计算机或者机器人在不同领域发挥着重要的计算智能作用,给工业生产和人们生活带来较大便利。特别是现阶段,随着摄像元器件的改进和处理器的不断升级,计算机视觉成为目前研究的热点,人们希望利用计算机和摄像器材的配合使用,模拟人类的视觉和反应系统,辅助甚至代替人类做出选择和判断。本文致力于计算机处理摄像头拍摄的图片或者视频帧,准确高效地识别交通标志。本文基于德国交通标志检测与识别数据库,以即时识别这些标志为目标,做了如下几个方面的工作：首先,需要利用经验信息处理摄像机传入内存的图像,以交通标志区域为目标做预处理。对于彩色图像的处理和优化一直是一个经典问题,在自然场景下,面对千差万别的输入图像数据,如何快速鲁棒地过滤掉大部分的无关像素点,提取出颜色形状信息,定位到交通标志的区域是本文着重探讨解决的问题。通过改进的圆形搜索算法和创新提出的三角形检测算法,实现快速稳定的感兴趣区域提取。其次,在检测部分,主要判断提取到的感兴趣轮廓区域是不是交通标志。这是一个典型的二分类判断问题,而处理这一问题有一个优秀的机器学习算法SVM(支持向量机)。我们选择合适的描述图像的特征算子,并且训练小误差的SVM二分类器,这样既确定了前文提取的区域信息,又保证了后文分类算法的有效数据源。第三,在识别部分,实际上是一个图像的多种分类问题。数据库中保存了每一种交通标志,在不同的角度、距离和光照的环境中拍摄的多幅图像,给我们的识别算法创造了匹配的空间。我们将研究在合适的计算复杂度下,充分利用经验信息和机器学习机制,逐步提高分类正确率。最后,综合了前面的步骤,测试了一些图像和视频的实时处理效果,验证了本文算法的识别高效性。本文良好的抗噪音性能和优秀的查准率为交通标志的实时识别提供了一个可靠的方式。特别是改进的识别图形算法和整体的算法框架处理速度较快,在道路交通管理和驾驶辅助中具备一定的应用价值。