作为智能汽车视觉系统的重要组成部分,同时作为自动目标检测与识别技术的一个典型应用,交通标志检测与识别技术越来越多地受到关注。但该课题由于对实时性能有很高的要求,在复杂场景下的应用仍存在很多问题。本文首先在目标检测中引入基于人类视觉习惯的分区优先搜索策略,根据实际图像中目标出现位置的规律,将图像划分为一级、二级搜索区域和不搜索区域。这种基于先验知识的优化机制大大提高了检索效率,同时降低了非目标区域对检测的干扰,提高了系统检测性能。在指定搜索区域内,针对复杂场景下的图像进行多空间、多通道结合的颜色检测。即在传统使用HSV空间中H通道作为检测依据的基础上,加入对RGB空间的三个通道和HSV中S通道的限制。将目标在实际图像中的颜色聚类特性作为先验知识融入到系统中,使颜色检测更符合人眼辨识颜色的习惯。本文还引入视觉注意模型,提出自顶向下与自底向上结合的双向融合机制,试图模拟人类视觉中有意识“主动寻找”与无意识“被动受吸引”相交互的视觉过程。实验表明,这种双向融合机制对复杂场景下的目标检测具有处理速度快、准确性高的特点,能够满足复杂场景下实时处理的要求。对于目标识别,本文提出了只记录离散化参数和用欧式距离进行近似的改进Hough变换算法,并用该方法对检测结果进行圆形检测,完成了目标识别的第一步,为进一步的工作奠定了基础。