随着城市交通流量日趋加重,交通安全随之成为社会倍受关注的问题.在交叉路口处发生交通事故率相对较高,对行人和车辆安全构成很大威胁,所以提前预知路口对于减少交通事故有很大帮助.因此,人行横道线与预告标识的识别算法已是实现智能交通的主要研究内容之一至今为止,人行横道线识别算法研究主要应用于盲人导航系统,很少应用于智能交通系统中,并且标线遮挡、破损及光照影响等困难情景的识别仍是瓶颈问题.本文研究的人行横道线及预告标识的识别技术,主要应用于智能车辆导航系统中,并针对处于困难情景下的标线识别.本文提出一种基于移动平台的人行横道线及预告标识的识别算法,该算法由标线候选区域提取和验证两部分组成,在人行横道线及预告标识候选区域提取阶段,提出一种基于标线高亮片段滤波的提取标线候选区域的算法.首先,利用IPM变换将输入标线图像转化成俯视图像,抑制成像过程中的透视效果；其次,采用Start-End Point Finding算法在俯视图像上逐行提取标线亮片段,解决传统单一阈值提取标线候选区域受光照、路面投射阴影及标识磨损影响问题.最后,提出基于标线先验知识的滑动窗搜索方法将标线亮片段生成标线候选区域.为了对标线候选区域进行精确验证,本文提出由粗到精的基于机器学习的验证方法.首先,设计结合类Haar特征的Adaboost级联分类器,实现标线候选区域的粗过滤,过滤出标线候选区域和非标线候选区域；然后,采用离线训练ELM分类器,并与BW法选择的HOG特征相结合精确验证标线类型及背景,得到标线的识别结果.本文在前方车载相机上实现了该算法.实验结果表明,该算法不仅能够准确、快速的识别出人行横道线及预告标识,并能够有效处理标线遮挡、破损等情景,提高了困难情景中标线的识别率.