交通环境复杂多变,其中包含大量的交通信息,如信号灯,交通标志,斑马线、路面箭头等等,对于驾驶员而言,要时刻留意所有信息是一件十分困难的事情,驾驶员对交通信息的错误理解或者注意力不集中都会导致交通事故的发生,尤其是在十字路口的车道变换中常常会有交通事故的发生,且发生率逐年增高。而路面上的箭头可以帮助驾驶员更好的理解路面环境,提前做好变道的准备,从而减少或者避免交通事故的发生,因此,及时、准确地识别路面上的箭头具有十分重大的意义。本文以车载相机作为获取信息的主要手段,提出了一种基于树状结构的类Haar特征与级联Adaboost分类器相结合的识别算法对路面箭头进行识别。首先,对图像进行预处理,把图像灰度化,并且转化成俯视图,其次,进行粗识别,由于路面箭头比周围路面亮的特点,本文提出了在俯视图中逐行切片滤波的方法来提取白色区域,在一定程度上避免了光照条件和标线磨损得影响,然后对全图遍历及积分图计算统计白点个数,获取满足规格的白色候选区域,减少了其他白色物体出现的影响；再次,利用多类别的树状识别结构,采用拓展后的类Haar特征和级联Adaboost分类器结合对候选区域进行验证。最后,采用融合算法对箭头进行多帧融合,本文采用基于特征的多目标跟踪方法来判断两帧图像中的路面箭头是否为同一个箭头,如果一段视频中累计有三帧图像跟踪失败,则程序结束,根据投票法输出识别结果,从而提高识别率。本文在前方车载相机上实现了该算法,对于不同的场景进行了测试,并且与其他识别箭头的方法进行了比较,实验结果表明,该算法不仅能够准确、快速的识别出路面箭头,而且适用于箭头遮挡、破损等情况,更适合应用于实际。