交通标志的检测与识别是智能车无人驾驶的重要组成部分,它也是解决交通安全问题的一种有效方法。在现实中由于分辨率,气象条件,照明强度和运动模糊等干扰,交通标志的图像质量通常很差,很难被检测,所以如何排除以上干扰,提高交通标志的检测和识别准确率是当前这一领域亟待解决的问题。交通标志的检测与识别问题主要包括两个部分:如何在获取的图像中准确找到交通标志,如何对提取的交通标志图片实现准确识别或分类。本文从这两个方向出发,分别对检测和识别方法进行了研究。对于交通标志的检测,本文采取的是基于RGB颜色空间和基于归一化相关系数相结合的交通标志检测方法。首先对采集的图像进行预处理,采用了基于中值滤波的图像去噪方法和基于RGB三个通道的直方图均衡化方法增强待检测图像的质量。接着融合颜色和形状特征对交通标志进行两次提取。在粗提取阶段,首先基于颜色通道进行图像分割,再利用形态学方法处理分割后图像,凸显感兴趣目标区域。细提取阶段,通过计算模板图像与粗提取检测图像的归一化互相关系数,来得到精确的感兴趣区域。对于交通标志的识别,本文采取的是对感兴趣区域(即提取的交通标志)提取梯度方向直方图(HOG)特征,最后送到已经优化好的分类器中,通过颜色与形状特征进行分类。采用GTSDB数据库对分类器进行训练,并在此基础上对分类器的模型进行参数优化,得到最终的PR曲线。基于MATLAB对算法进行测试,测试结果表明,本文采用的交通标志检测和识别算法都具有良好的效果。最后本文针对现实中的图片进行测试,结果表明本文算法具有很好的准确率,并在现实不同情况下具有较好的鲁棒性。