随着现代科学技术的发展,人们的交通出行得到了巨大的发展。未来智慧城市的交通将会更加智能化、人性化。作为智能交通系统中的关键技术,道路交通标志识别技术越来越受到人们的重视。然而,目前的道路交通标志识别研究中极少出现文字型交通标志检测与识别的相关研究。文字型交通标志检测与识别技术在公路维护、建立交通标志库、辅助驾驶系统和汽车自动驾驶等场景下有着重要的作用。因此,文字型交通标志检测与识别技术具有广阔的市场前景。本文通过收集自然交通场景的图像与视频制作数据集并调研相关算法,设计了基于多模态全卷积的文字型交通标志检测网络与基于CRNN的文字型交通标志识别网络算法。论文的主要工作如下:1、构建文字型交通标志数据集。该数据集包含图像数据集和视频数据集。图像数据集是通过“腾讯”公司提供的街景服务进行采集,并对图像中的文字型交通标志进行了详细的标注。视频数据集是通过车载摄像机对实际自然交通场景下的视频图像进行采集。2、本文提出了基于多模态全卷积的文字型交通标志检测网络与基于CRNN的文字型交通标志识别网络算法。检测网络采用全卷积网络基本框架,有效地将文字型交通标志检测网络和文本行检测网络融合,能够同时对图像中的文字型交通标志以及标志上的文本行检测;识别网络是基于CRNN的网络模型,能快速识别检测到的文本行信息。针对数据集图像数量不足的问题,我们利用图像增强技术扩增数据集。同时,通过预训练的方法提升了文字型交通标志识别网络训练的速度以及准确性。为了提高实际交通场景下的检测速度,我们还提出了基于颜色空间模型的图像分割算法对文字型交通标志进行预检测。3、对提出的文字型交通标志检测与识别算法进行测试实验。文字型交通标志的检测结果的综合评价指标F1为93.5%。文字型交通标志中文本行的检测结果的综合评价指标F1为91.0%。文字型交通标志文字识别率为93.5%。我们还将模型应用到实际的视频场景中对整个算法的速度进行了测试,并对结果进行评估。