随着科学技术的发展和社会的进步,城市交通拥挤特别是高速公路的交通事故频发现象日益严重,现已成为交通安全的主要问题之一。于是智能交通系统(ITS)应运而生并得到迅速发展。智能交通系统是一个集检测、通讯、控制和计算机技术于一体的综合系统,其核心技术涉及图像处理、数字信号处理、模式识别、人工智能、信息技术、电子技术、通信技术和系统工程技术等。道路交通标志识别系统(TSR)是智能交通系统的一个重要子系统。针对交通标志识别系统中对标志的检测和识别两个阶段的关键技术进行了深入的研究。首先对交通标志识别中常用的图像预处理技术进行归纳总结,并分别进行比较和分析。根据RGB色彩模型的特点对交通标志进行颜色粗分割,其次,对分割后的图像利用Sobel算子进行边缘提取,然后通过孔洞填充、面积滤波以及形状特性提取,最终获得交通标志图像。在介绍交通标志的基本知识以及设置原则的基础上,通过对道路交通标志颜色—形状特征的归纳,设计出一种基于颜色—形状特征的交通标志图像识别的算法。通过对统计学习理论和支持向量机原理的学习,提出一种基于支持向量机的交通标志识别模型。根据交通标志颜色和形状属性的对应关系,分别提取交通标志的形状特征和不变矩特征作为神经网络的两级输入,从而完成交通标志的形状分类和类型判别功能。该方法优化了系统流程,提高了准确率,同时降低了系统的复杂度。