随着社会经济的发展,汽车逐渐地普及,道路交通承载的压力越来越大,智能交通系统应运而生。交通标志识别系统(Traffic Sign Recognition System,TSR)作为智能交通系统与先进辅助驾驶系统的重要组成部分也备受关注。交通标志的作用主要是提示驾驶人员目前的道路交通信息、道路潜在的危险,从而提高驾驶的安全性、减少事故发生。基于计算机视觉的交通标志识别包括自然场景下交通标志的检测与分类理解两个部分,主要通过图像采集设备采集图像并检测和识别出其中的交通标志。为了提高自然场景下交通标志检测与识别的速度和准确度,本文在参阅了大量相关文献的基础上,通过多次实验主要完成了以下几个方面的工作：1.基于颜色特征的交通标志检测。将RGB颜色空间的交通标志图像转换到HSI颜色空间,通过实验分析确定交通标志颜色(包括红色、蓝色和黄色)的阈值,分割出交通标志,并使用区域生长确定交通标志所在区域。2.基于RANSAC的交通标志形状检测。根据形状交通标志可分为圆形、三角形、矩形等。对颜色分割后的前景区域轮廓进行角点检测,采用多模RANSAC算法找出直线和圆。通过求取直线的角度信息,计算直线间的角度差来判断组合形状,包括三角形和矩形。3.基于稀疏表示的交通标志识别。对交通标志区域,在原图像上提取出该区域作为训练样本,然后直接用训练样本本身(即列向量)构建冗余字典。将测试样本看成冗余字典中训练样本的线性组合,利用稀疏表示进行模式分类将测试样本正确归类到所属类别中。实验对29类常见的交通标志进行了验证,准确率可以达到91.6%,结果表明基于稀疏表示的交通标志识别在受不同光照和噪声影响时具有很好的识别性能。