近年来，随着计算机技术的不断发展，高级辅助驾驶系统以及自动驾驶系统的研发工作引起了国内外学者的广泛关注，其中道路交通标线检测是最为基础且重要的一部分。道路交通标线包括车道线以及路面交通标志，车道线是指用于划分车辆可行驶区域的线条图形，路面交通标志是指涂绘在车道中央的箭头、文字、图案等，可通过计算机视觉算法实现道路交通标线的检测功能，从而对车道保持、车辆换道、转弯等驾驶行为起到关键的指示和监督作用。
　　本文对基于计算机视觉的道路交通标线检测算法进行了研究与改进。利用车载的前向摄像头获取车辆前方路面信息，通过改进的图像处理或深度学习算法对车道线和路面交通标志分别进行检测。本文的工作内容主要包括以下几点：第一、使用车载摄像头采集行车视频，通过筛选与标注，构建路面交通标志数据集；第二、实现基于图像处理算法的车道线检测功能，对算法进行改进，并根据车道线在视频中的位置分布规律提出基于视频的车道线检跟踪策略，通过限定检测区域及像素点搜索规律提高了检测速度；第三、探究基于深度学习的目标检测算法在路面交通标志检测任务中的可行性，针对目标的多尺度变化和形变等问题，通过引入特征金字塔网络和可变形卷积对MaskR-CNN算法进行了改进；第四、设计了两种基于视频的路面交通标志检测与跟踪策略，通过引入KCF跟踪算法提高了检测速度。
　　本文通过多组对比实验验证了所提算法与策略的性能，最终证明本文所提算法及策略具有较强的实用性，能够很好地实现多种路况下的道路交通标线的检测功能。