社会经济的发展和人民生活水平的提高,使得汽车的保有量不断增加,汽车普及率的提升也使得道路交通承载的压力越来越大。为了缓解交通压力、减少交通事故带来的损失,能够实时提取关键交通信息并及时作出预警的智能驾驶辅助系统的开发成为研究热点。本文以限速标志的自动检测与识别作为研究目的。综合运用机器视觉、图像处理、模式识别、统计学等理论知识,对行驶在真实场景中的车辆获取的图像进行处理。主要的工作和突出贡献如下:(1)提出了基于改进Sobel算法的限速标志检测方法。通过该算法获得边缘二值图,对边缘二值图进行分割得到多个连通区域。基于标志的几何特征对连通区域进行筛选,确定疑似目标区域。(2)提出了基于投影特征的相似性度量算法以及相应的限速标志识别技术。通过对目标数字进行双向投影获取其投影特征,然后用信号相似性度量算法计算与模板特征之间的相似度系数。基于相似度系数实现数字的分类识别。(3)以现有的安卓智能移动终端平台为基础,进行实时的车载测试。在不同自然环境及路况下测试超过30万幅图片,平均运行速度为200ms/帧,满足实时性的要求。在各类环境下的综合检测成功率达到95%以上。实验表明,本文提出的方法识别率高,能够很好的适应多种外界条件下的限速标志识别,为辅助驾驶系统在智能移动终端的应用提供了一条切实可行的路径,并为更加深入的研究交通信息智能提取提供了可靠的理论基础和实验数据。