交通标志检测和识别是智能交通系统的重要子系统。交通标志检测判断图像中是否存在交通标志,交通标志识别判断检测到的交通标志的意义。交通标志检测非常重要,它可以为驾驶员提供警示信息,并且大大降低了识别阶段的数据计算量。然而,交通标志图像是用车载相机在交通道路采集的,户外环境复杂,光照变化,遮挡,尺度变化等成为交通标志检测面临的主要挑战。本文针对交通标志检测进行了研究,主要工作如下：1.利用交通标志红、蓝、黄的颜色特点,设计了基于NRB(Normalized-Red-Blue)的交通标志图像局部增强算法和基于FT(Frequency-Tuned)视觉显著性的交通标志图像全局增强算法,两种增强算法相结合能够有效抑制背景区域增强交通标志区域,克服光照变化的影响。2.研究了DPM(Deformable Part-based Models)目标检测模型,首次将DPM模型应用于交通标志检测。根据交通标志的形状特点将交通标志分为圆形,三角形,倒三角形,菱形,正八边形五大类。设计了针对这些形状的DPM单一模型和混合模型。基于Latent SVM(Support Vector Machine)机器学习方法训练DPM模型,并利用该模型对交通标志检测,实验表明本文设计的DPM模型可以有效检测这五种形状的交通标志。3.对遮挡交通标志中遮挡物的形状,面积,位置,颜色等特点进行了研究。为了丰富遮挡类型,建立了遮挡交通标志检测数据集。在此基础上利用DPM模型研究了遮挡交通标志检测问题,与现有的检测方法做了对比,相比其他检测方法DPM模型对交通标志形变有着更加优秀的兼容能力,能够有效应对遮挡,污损等退化情况的发生,取得了良好的检测效果。