随着国民经济的快速发展,智能汽车越来越深入人心,并逐渐成为人们生活的一部分。交通标志自主检测识别属于智能交通系统的重要组成部分,也受到了广泛关注。然而智能车辆交通标志识别系统是针对自然环境任意条件下的标志检测与识别,其结果势必会受到外界各种干扰条件的影响。现阶段,交通标志检测与识别过程主要存在以下问题:第一,在基于颜色的交通检测过程中,检测结果易受光照条件的影响,光线太强和太弱都会影响最终的分割效果。第二,在自然环境下,交通标志可能会被树枝、建筑物等障碍遮挡,造成其轮廓出现一定残缺,从而影响最终的检测结果。第三,在交通标志检测过程中可能会由于角度原因,造成标志在图像中出现一定的投影失真,如圆形标志变成椭圆形、矩形标志变成菱形。第四,因为交通标志检测与识别技术主要应用在行进当中的智能汽车,因此对算法的实时性有一定的要求。针对交通标志检测和识别过程中存在的难题,本文分析现存方法的不足并结合交通标志颜色形状信息,提出一种联合颜色和形状分析的检测方法。在颜色分割过程,首先对捕获的图像进行直方图均衡化处理增强图像的对比度,再采用频率调谐方法得到显著图并将其二值化,实现交通标志的初步定位;在轮廓分析过程,首先提取感兴趣区域外层轮廓,利用轮廓周长、长宽比特征滤除干扰信息,再对合格轮廓进行凸包处理,提取凸包傅立叶描述子(FD)并归一化,最后与标准数据对比得到检测结果;在识别阶段,采用提取交通标志方向梯度直方图(HOG)特征再结合支持向量机(SVM)的方法,根据不同标志类别训练不同分类器,有效地将识别精度提高到98.79%。为证明本文方法的有效性,采集了大量自然环境下的交通标志图像进行实验并与相关论文算法对比。实验结果表明,本文方法对于部分被遮挡、发生投影失真的标志和不同光照强度的情况具有较好的鲁棒性,检测率和识别率都较高且具有较好的实时性,相对现有方法有一定优势。