1． 目的及意义

交通标志作为道路交通的重要组成部分，扮演着不可或缺的角色。它能够为驾驶员提供指示、警告、禁止等各种信息，辅助驾驶员作出判断，减轻驾驶员压力，提醒驾驶员违规行为从而降低交通事故发生的概率。

交通标志的自动检测与识别已成为智能交通智能交通辅助驾驶系统中的重要组成部分。利用行车记录仪采集当前交通场景的视频信息，通过图像处理的方法对道路场景中的交通标志进行分割，进而准确识别出交通标志所属的类别，及时为驾驶员提供道路信息。尤其是高速公路和城市车道中速度的转变及时性要求很高，利用交通标志自动识别系统，及时提醒驾驶员规范行驶，从而使驾驶更加安全。

交通标志的检测与识别对于无人驾驶等汽车视觉系统的新兴领域有着推动作用。在无人驾驶的研究方面，交通标志的检车识别是完整无人驾驶系统的中安要组成部分，它可以向驾驶系统传输一些重要的道路交通信息，进而指导无人驾驶汽车做出正确的行驶判断，从而实现无人驾驶汽车的安全行驶。

交通标志引起具有刚性不变性，形状可分为圆形，三角形和菱形；颜色可分为蓝色，白色，黄色和红色。其识别方法打着磕归类为：基于形状（模板匹配）的交通标志识别、基于颜色和形状结合的交通标志识别、基于视觉模型的交通标志识别和基于神经网络的交通标志识别方法等。

基于形状（模板匹配）的交通标志识别：该方法能够有效识别物体的形状，但是输入图片的质量，像素分辨率，对比度以及标志在图像中呈现的的方式等因素会直接形象相撞匹配效果，在部分遮挡和光线较弱的场景识别率不高。

基于颜色和形状结合的交通标志识别方法：尽在对具有红色边缘的限速标识牌进行识别时准确率达90%，不具有普适性，且由于颜色信息收天气变化，光照强度影响较大，在实际应用中稳定性不高。

基于视觉模型的的交通标志识别：该方法确实取得了不错的成绩，对各种形状和颜色的交通标志都能够很好的识别。在一定程度上改善了环境变化对特征扰乱的问题，但是，对于被遮挡约35%和旋转10°的交通标志识别困难。

基于神经网络的交通标志识别：基于神经网络的方法能够自主学习特征，从大量数据中学习到最有利于现实分类的特征，能够克服交通标志对环境变化敏感的缺点。且被实验结果证明具有较好的鲁棒性。