人类历史发展的进程中,工具起着革命性的作用,而交通工具的诞生真正使地球成为了地球村。汽车自被发明之日起到现在经历了阶跃式的发展,人们希望汽车能做到和人类一样的智能化,即在更少的人为干预下,自动判断道路情况。基于此,研究者们进行了车辆和车辆所处道路环境等智能化的研究,此时智能交通系统(Intelligent Traffic Systems,ITS)应运而生。在智能交通系统中路面交通标志的识别是车辆行驶智能化的关键部分。本文对基于支持向量机的路面交通标志识别方法进行了研究。本研究分为两个部分,第一部分是对采集到的路面图像进行图像预处理、图像感兴趣区域的确定和图像边缘检测来得到包含路面交通标志的目标图像。第二个部分包括三个阶段,第一个阶段是对目标图像进行特征提取,首先对Hu不变矩特征提取算法和PHOG特征提取算法进行研究,然后在Hu不变矩和PHOG特征提取方法的基础上提出了 Hu不变矩和低维的PHOG相融合的特征提取方法。最后将融合的特征作为路面交通标志图像的提取特征。第二个阶段是在二分类支持向量机的基础上使用一对一方法构建多分类支持向量机分类器。在构建多分类支持向量机过程中首先对支持向量机的核函数进行选择,然后本文对支持向量机的惩罚参数C以及核函数参数g使用参数寻优算法进行参数寻优。最后根据核函数的选择结果和支持向量机参数寻优的结果来构建本文的多分类支持向量机分类器。第三个阶段,本文构建基于支持向量机的路面交通标志识别系统并设计仿真实验对系统的识别准确率和识别速率进行了测试。测试结果数据表明,本文构建的基于支持向量机的路面交通标志识别系统能够快速识别路面交通标志,并有较高的识别准确率。