随着当今社会汽车保有量的快速增长,交通拥堵已成为很多城市交通中的普遍现象,由此产生的交通安全问题也变得日益严峻,并给社会造成了巨大损失。在这样的背景下,智能交通系统(Intelligent Traffic System,简称ITS)应运而生。而交通标志识别系统作为智能交通系统重要的组成部分,也得到了广泛的关注。交通标志识别系统主要应用于辅助驾驶系统和无人驾驶系统,通过识别道路上的交通标志,辅助驾驶人员或自主驾驶车辆。由于自然场景复杂,以及识别技术尚不成熟。如何快速,准确的识别出自然场景中的交通标志还需要深入的探讨和研究。由于交通标志本身具有鲜明的颜色和形状特征,能够利用这些特征快速的定位到交通标志所在位置,再对其进行识别。这样就可以大大提高系统的识别效率。然而自然场景及其光线条件复杂多变,交通标志本身又可能存在遮挡、形变、褪色等问题,导致采集到图像中的交通标志颜色与形状特征也随之改变。针对以上问题,本文提出了一种基于颜色-形状分割的交通标志的检测与识别系统。第一在图像的预处理方面,针对光照不足对交通标志颜色造成的不利影响,本文分析了一些常用的图像增强算法的优缺点,最终采用并改进Retinex算法,针对图像的亮度直方图特点做相应的去暗光处理。第二在颜色的分割方面,针对图像背景干扰等不利因素,本文在三分量色差法的基础上,提出了双通道权值自适应三分量色差法。该算法将图像的红色色差图与蓝色色差图分别赋予不同的权重系数做处理,并且把该权重系数转换成具有一定自适应的动态阈值,能适应更多的光照场景和背景干扰。同时,运用OTSU阈值分割算法,去除饱和度低的大面积背景干扰。实验结果表明,该颜色分割方法相比其他的颜色分割方法能更好的适应不同场景下的光照,综合检测效果也优于其他方法。第三在轮廓形状检测方面,本文分析了常用的圆形、三角形和矩形的检测算法。针对遮挡,污损等影响交通标志形状的问题,本文提出了基于凹陷去除的轮廓逼近算法。针对圆形交通标志的变形与遮挡,本文又在随机最小二乘椭圆拟合法的基础上提出了定间距最小二乘椭圆拟合法提高检测率与检测速度。针对三角形和矩形轮廓线的特点,本文提出了轮廓线合并算法。实验证明本文的检测算法提高了对形变和遮挡圆形标志的检测率与检测速度,同时提高了对三角形和矩形的检测率,降低了误检率。第四在交通标志的特征提取方面,本文采用了首先提取样本图像HOG特征,再应用PCA技术对图像HOG特征降维的方法,相比单纯对HOG特征分类,本文采用算法的识别率和识别速度都有所提高。在分类识别算法方面,本文选取常用的SVM支持向量机算法。实验证明了本文选取的特征提取与分类识别算法综合识别率达到了95.43%,取得了良好的识别效果。