随着社会经济的发展,道路交通堵塞,拥挤,安全等已经成为社会普遍关注的问题,交通标志实时识别系统可以加强车辆、道路、驾驶员三者之间的联系,从而形成一种保障行车安全、解决道路拥挤的有效策略。交通标志识别系统作为智能交通系统的重要部分,对于解决城市交通拥堵,保障道路交通安全,节约能源消耗有着重要意义,同时对于无人驾驶技术推进起到很大的作用。所以本文对于交通标志识别系统进行研究,利用该系统及时警告、指示以及提醒驾驶员,对实际交通运行有着很重要的意义。自然场景下在对准确性和实时性要求很高的情况下,交通标志识别技术并不是很成熟。本文对交通标志检测与识别系统的实时性和准确性来展开研究,首先我们对于道路交通标志进行图像预处理,采用直方图均衡化来改善图像质量,再通过平滑锐化等处理对图像进行增强,最后我们进行数学形态上的图像处理增强图像质量减少系统的计算量。在保证图像预处理的时间在不影响系统实时性的情况下为后续的交通标志图形检测与定位做好准备。由于交通标志图像具有特定的颜色和形状信息,我们可以根据这些信息来对道路交通标志进行检测与定位。我们在比较RGB差值颜色分割和HSV颜色分割算法的实时性和效果,选定实时性更高且分割效果较好的RGB差值分割算法来初步确定交通标志的范围。为了处理因为遮挡和车速导致的交通标志图像形状不完整的情况,采用Gramham扫描法对交通标志轮廓进行凸壳处理,再利用交通标志图像形状信息提出基于最小二乘法形状拟合算法进一步对交通标志图像进行定位分割提取到感兴趣的目标区域。实验证明对于自然场景下的交通标志检测与分割的实时性和准确性都有很好的效果。在交通标志识别过程中,首先是对于交通标志图像特征的提取,在分析比较图像HOG特征和LBP特征的性能之后我们选取图像的HOG特征。同时利用PCA技术对图像HOG特征进行降维处理,相比直接使用HOG特征分类,降维之后对于系统识别的准确率和识别速度都有很好的提高,在交通标志分类识别阶段,我们使用是德国交通标志标准数据库(GTSDB),采用常用SVM支持向量机算法进行训练识别建立交通标志识别模型。实验证明我们选取的分类识别算法在保证准确度的情况下,时间复杂度低,在交通标志识别实时应用取得很好的效果。