交通标志的实时检测与识别是智能交通系统研究的重要组成部分,同时,随着越来越多的组织和企业竞相研究和开发无人驾驶车,使得这一技术受到越来越多的关注和研究。本文主要针对交通标志数据库的建立和交通标志的实时检测进行了研究,进行研究和识别的交通标志包括红色、蓝色和黄色标志共24种。实验数据的采集以及算法的测试都是基于无人车实验平台,设计和开发的交通标志检测与识别(Traffic sign Recognition, TSR)系统能够适应天气、光照和角度等多种变化。具体的工作内容可以分为如下三个部分：1.针对国内现阶段TSR研究中公开可用的交通标志图像数据库很少,研究和分析了交通标志图像采集的特点,建立了一套图像数据库,包括检测算法的测试数据集、识别算法的样本训练集和测试集。2.针对目前研究和分析交通标志检测算法性能的方法不多,基于开发的TSR系统,提出一种交通标志检测算法的性能分析方法：采用类似黑盒测试方法,固定TSR系统中其它模块不变,然后变换不同的检测算法,使用检测图像测试数据集进行测试,统计的数据包括检测输出率、检测召回率、识别输出率、检测漏检率、识别漏识率和系统处理速度6个指标,分析交通检测算法的性能。3.针对交通标志检测算法在光照条件不好、交通标志倾斜较为严重时容易发生漏检的情况,提出基于MSR(Multi Scale Retinex)彩色增强的交通标志检测算法,并通过LUT(Look-up Table)技术进行加速。算法通过两次搜索方式进行检测,首先在小尺寸下进行初次搜索,采用OST/SVF的或操作进行图像分割,并采用LUT技术进行加速；之后把初次搜索的结果映射到原图,使用MSR进行色彩加强,通过形状信息判别来得到最后的检测结果。图26幅,表7个,参考文献73篇。