交通标识检测是智能交通和驾驶辅助系统的重要组成部分。开发快速准确的交通标识检测与识别算法,可以帮助驾驶员提高行车安全性,也为未来的智能车辆实现安全驾驶和自主导航提供关键技术,因此这个研究课题近年来备受关注。交通标识通常被设计成特定的颜色和形状,从而能最大限度地与自然和人造背景区分开,所以大部分的交通标识检测方法就是结合颜色分割和形状检测的方法来实现。颜色的方法关键是选择合适的颜色空间,采用阈值或颜色聚类等方法分割图像。形状的方法主要用到的技术有角点检测、边缘检测、形态滤波、模板匹配等,通过几何形状信息来确定区域是否为交通标识。颜色的方法对于阈值区间准确率要求非常高,传统的基于RGB颜色空间的方法容易受到光照条件变化或标识的颜色退化的影响。形状的方法主要面临形状检测的鲁棒性和几何形变的问题。针对这些问题,本文提出了一些改善的方法。本文的主要工作有：1、在原有的注意机制框架下,增加颜色形状信息,将多个特征有效进行融合,生成新的显著图,进而分割出感兴趣的区域。2、颜色分割方面我们采用颜色通道的比值作为阈值分割的依据,提高阈值分割的自适应性,减弱了光照变化对实验结果的影响,提高了分割的准确度。3、形状检测方面我们采用改进的Shape Context和Chamfer Match相结合的方法,有效地解决了模板的尺度问题和几何形变。