近十几年来,随着社会的进步、经济的发展、汽车的普及,交通事故频繁发生,其中绝大多数是由于人为因素酿成的,而且大部分都与车辆的超速行驶有关.限速标志作为交通标志的重要组成部分,对驾驶行为具有很强的约束力,设置限速标志是目前世界各国采取的最普遍的一种车速控制方式.但由于种种原因,驾驶员在行车过程中并不总能及时、准确地看清限速标志内容.因此,限速标志的自动识别对于汽车安全驾驶具有重要的意义.由于限速标志常处于室外复杂的环境下,其检测与识别易受到天气、光照、倾斜、褪色、相似背景等诸多因素的影响,且在性能上既要保证识别率又要满足实时性,因此识别算法的设计难度颇大.本文在总结国内外各种研究方法的基础上,针对现有识别算法的不足进行了改进和创新,设计并实现了一种新型的限速标志识别方法.在检测阶段,为避免光照、天气变化等对图像颜色信息的影响,本文直接利用限速标志的圆形形状特征,采用快速径向对称的方法,在灰度图像中检测限速标志的候选区域.本文提出的算法能够克服光照等的影响,解决了相似背景、标志粘连等情况的问题,避免了耗时的Hough变换,提高了检测的准确性和可靠性.在识别阶段,首先利用本文提出的最大包含圆的方法获取限速标志内的字符区域,然后分别采用模糊模板匹配和完全二叉树结构的SVM多分类器两种方法对目标进行识别.通过比较,基于超球体距离的完全二叉树SVM多分类器的方法明显优于基于模糊模板匹配的方法.最后,为增加识别率,本文提出一个多帧融合的方法,从而可判定一个该限速标志是否真正地被识别.实验结果表明,本文提出的算法能对车载视频图像中的限速标志进行准确定位,对光照、天气变化等有一定的鲁棒性,具有实现简单、实时性较好等特点,为解决限速标志识别中存在的问题和困难提供了一条可行的途径,并为以后的交通标志识别奠定了基础.