随着汽车工业制造和研发技术突飞猛进,人们期望保障驾驶员的安全和提高汽车的自动航行能力。为了将人从驾驶过程中解放出来,国内外研究人员进行了长达30年的研究。然而因为自然场景多变,受光照和遮挡的影响,加上算法效率上的制约,目前交通标志检测和识别系统尚无法真正满足无人驾驶的要求。本文首先阐述了国内外关于交通标志检测和识别的工作,分析处理该问题的基本方法,和目前方法的优点和不足,并针对目前算法在实时性上的不足,对交通标志快速检测和识别方法进行了研究。利用交通标志特有的颜色信息提出交通标志快速检测算法。通过对输入的图像或者视频进行颜色恒常性算法,减少光照对检测性能的影响；然后利用颜色和形态学特征完成交通标志的粗检测；最终用Hog特征的SVM交通标志检测器完成精确检测。实验表明,该方法在保证良好的召回率和精度的情况下,大大提高了检测效率。提出特征融合的多级交通标志识别算法。首先利用第一级分类器对交通标志进行大类的分类,然后用第二级分类器在每大类中完成最后的识别。论文研究和比较了Hog特征,LBP特征,Gabor特征在交通标志别上的识别率。实验结果表明,本文的多特征融合的的识别算法不仅性能上好于以上三种方法,且识别速度上较快。最后,介绍了TI的Davinci平台的硬件软件架构,并根据其各处理器的资源对算法进行移植和优化,并利用EDMA进一步提高算法执行的效率。