随着生活水平的提高,汽车数量急剧增加,交通拥堵等问题越来越严重,智能交通系统可以有效缓解交通拥堵。交通标志的检测与识别是智能交通系统中重要组成部分之一,同时在无人驾驶系统中也有广泛的应用,因此得到了众多专家学者的关注。目前对于交通标志的检测与识别主要集中在禁令、警告标志上,对于包含字符与符号的矩形交通标志牌的研究较少,而矩形交通标志也是交通标志的重要组成部分,特别是矩形标志包含了文字、符号等交通信息,对于保证道路安全与道路的通行效率起着重要的作用,因此,对于矩形交通标志的研究具有很大的应用前景与实用价值。本文以矩形交通标志牌为研究对象,研究了矩形交通标志牌中符号的检测与识别,主要工作内容包括以下三个方面:1.矩形交通标志图像预处理。针对自然场景下光照条件多变,拍摄角度不固定等问题,采用了限制对比度直方图均衡来对图像进行光线校正,采用直线检测算法检测矩形交通标志外边框对交通标志进行畸变校正。实验结果表明,本文给出的预处理方法,减少了因光照以及拍摄角度的变化所带来的影响,有效的改善了图像质量。.2.矩形交通标志符号的检测。为提高矩形交通标志牌符号检测速度,本文给出了由粗检测到精确定位的两级检测算法,首先对交通标志图像提取候选区域,基于规则进行筛选,然后采用基于图像梯度与纹理特征以及支持向量机的方法对候选区域分类以获得最终的符号区域,为进一步减少计算量,采用主成分分析PCA的方法对特征进行降维。3.矩形交通标志符号的识别。交通标志中的符号具有明显的边缘和方向特征,为此本文给出了改进的Gabor与梯度方向相融合的特征,分别采用线性支持向量机和随机森林进行符号识别,并对比了实验结果。为了测试算法的性能,本文采集了中国境内的矩形交通标志图像共1350幅,其中符号类别共25类,随机选择450幅图像作为本文的测试图像,矩形交通标志牌中符号部分检测精度为90.9%,识别精度为98.1%,实验结果表明了本文算法的有效性。