本文对路面交通标志包括方向指示标线和车道线进行了识别研究,为驾驶员驾驶车辆提供必要的交通信息,从而可以提高行车安全。本文首先对驾驶员的感知特性进行了研究分析,得到驾驶员的感知特性。同时对不同年龄段不同性别的驾驶员进行了交通行为的实验调查,认为交通标志识别对安全驾驶有很大的帮助。路面交通标志识别系统主要包括三个部分,图像获取、图像检测以及图像识别。为了克服在图像获取过程中可能出现的各种干扰、噪声,本文先对图像进行了预处理,包括灰度化、图像滤波以及图像增强。其中图像滤波采用了中值滤波的方法对图像进行降噪处理,效果较好。为了能够满足实时性以及准确性的要求,必须把图像变得更加的简单,信息尽量少。为此,本文对图像进行了二值化处理,通过实验比较,最小误差法二值化方法的效果最佳。通过分析路面方向指示标线的形状特征,提取出直行、左转弯、右转弯等7类图像的不变距特征作为识别的根据。在不变距特征的提取中,本文分别分析了Hu矩和Zernike矩,为识别路面交通标志提供可靠的依据。在车道线识别中,本文采用了Steerable Filter方法,通过对滤波方向进行控制实现边缘检测,并运用几何计算方式判断汽车是否偏离车道。在不同的光照强度下均可得到良好的效果,具有良好的抗干扰能力。本文还通过对驾驶员换道意图的判断,减少车道偏离的警报误判。本文运用采用Viola-Jones(VJ)方法进行人脸中心横坐标检测,然后使用Kanade-Lucas-Tomasi(KLT)方法对人脸进行跟踪。根据人脸横坐标的移动为依据来判断驾驶员是否有换道意图。最后,本文通过BP神经网络识别系统对路面方向指示标线进行了实验验证,BP神经网络系统识别能够满足实时性及准确性的要求。对人脸横坐标的偏移判断出驾驶员的换道意图,结合车辆偏离车道线实验,设计出结合驾驶员换道意图的车道偏离预