随着全球经济不断发展，汽车保有量不断增加，道路拥堵与交通事故频繁发生影响着人们的出行效率，随之产生的环境问题也影响了人类的健康。智能交通系统在此背景下引起了各国的广泛关注，交通标志识别系统作为智能交通系统的重要组成部分，其研究不仅具有较高的学术价值，还有重要的实际应用价值和社会价值。道路交通标识是驾驶员或行人与道路环境沟通的信息载体，它一方面起到指引方向的作用，另一方面起到规范道路使用者行为的作用。　　本文对交通标志识别系统中的几项关键技术展开研究，具体研究工作如下:　　1.研究了基于颜色和形状特征的交通标志检测算法，针对RGB颜色空间模型易受光照影响的现象，采用基于HSV颜色空间和Lab颜色空间的分割算法，对二值图像处理后结合形状特征得到初步感兴趣区域。　　2.针对广告牌和车牌等与标志相似背景的干扰问题，采用一种基于证据理论的交通标志定位方法，通过对候选区域对象的长宽比与信息熵构造基本可信度分配，排除广告牌车牌等干扰背景，提高定位精度。　　3.研究了交通标志的特征提取方法，采用多种特征融合的方法，研究了一种改进的自适应权值HOG-LBP特征融合算法，通过对融合特征增加颜色信息，提高分类器对不同类型标志的识别准确率。　　4.研究了基于支持向量机的交通标志分类算法，建立了交通标志样本库，构造一对一与二叉树结构SVM对分类器进行训练与识别，利用类距离作为二叉树的生成算法，通过对比实验表明其优势。　　5.针对视频帧图像每一帧检测影响系统实时性的问题，研究了交通标志的跟踪算法，采用卡尔曼滤波算法对交通标志进行跟踪，提高了系统的实时性。需要采取制动或减速行为时，根据车辆制动模型计算视频图像中标志被识别出的最低时间阈值，量化系统实时性标准。