近几年来,人工智能技术得到了快速发展,并逐渐应用到了智能交通领域,给人们的生活带来越来越多的便利。交通面板是智能交通的重要组成部分,其中包含着路况、警告、安全等重要信息。现有的基于颜色分割的交通面板定位方法只是针对单色背景交通面板的,而我国交通面板的背景色主要以蓝色和绿色为主,因此现有的方法不适用于我国的现状。本文提出了一种自然场景下中文交通面板定位与识别的方案,并设计实现了交通面板定位识别系统。具体内容如下:首先,本文提出了一种基于HSV和分水岭算法的交通面板定位方案,利用“过滤器+HSV颜色模型+几何特征”相结合的模型实现对自然场景下的交通面板的定位。该方法首先利用图像灰度等级的分布,结合分水岭图像分割算法,将图像中容易给交通面板定位带来干扰的蓝天区域和绿色植物区域进行过滤。然后设定HSV的最佳阈值,保留图像中所有的交通面板区域。最后利用国内交通面板的几何特性,筛选出所有交通面板的候选区域。通过实验,我们证明了该方法的有效性,在我们的数据集上,可以定位77%左右的中文交通面板,其中也证明了过滤器的有效性。其次,本文提出一种提取交通面板边缘区域特征的方法,并将HOG特征与提取的特征相结合,基于ANN训练得到交通面板识别器。调研发现,国内的交通面板在靠近边缘的部分,都有一个白色的边框,这一特征可以更加有效的标识交通面板区域。在我们的交通面板的数据集上,通过大量实验,我们的方法将平均误差值降低了2个点,精确率提高了大概0.4个百分点。最后,本文设计并实现了一个中文交通面板识别及文字提取系统,该系统分为客户端和服务端两部分。客户端系统为用户提供了交通面板的定位和识别功能,同时用户可以对识别结果进行评分,并上传给服务器,有助于服务器端对数据进行再次处理,不断的形成一个相对合理的数据集。目前我国还缺少中文交通面板的数据集,因此本系统对于建立一个相对完备的中文交通面板数据集具有十分重要的价值。本系统利用谷歌开源的Tesseract OCR技术对本系统中涉及的中文字符进行训练,最终实现中文文本信息的提取。