交通标志识别系统是智能交通系统与先进辅助驾驶系统的重要组成部分，提高交通标志检测与识别算法的准确率和实时性是走向实际应用进程中需要解决的关键问题。算法的准确率是交通标志识别研究中一个十分重要的因素，错误的识别结果不仅不能起到辅助驾驶作用，还会导致严重的安全事故。而算法的实时性决定了研究成果能否转化为具有实际应用价值的产品。在汽车数量日益增加、交通安全事故居高不下，要求不断提升汽车的驾驶智能化的现实压力面前，开展以实时应用为目标的交通标志检测与识别技术研究，对于增加驾驶安全具有重大的意义。本文以交通标志检测与识别的准确性与实时性问题作为主要的研究对象，从交通标志图像的预处理、检测与分割、特征提取与识别等方面着手对此问题进行了广泛而深入的研究。本文的创新点以及主要工作包括：1．研究了交通标志图像预处理技术，采用基于直方图均衡以及高斯滤波等方法来改善获取的图像的质量，同时保证预处理的计算时间在可承受的范围内。2．研究了任意场景下交通标志的检测与分割技术，充分利用交通标志的颜色阈值与几何形状特征参数来实现各种复杂场景下的准确定位与分割，大量的实验表明算法对于白天、黑夜、下雨等场景下的交通标志均具有较好的效果。3．研究了基于模板匹配的交通标志识别技术，提出了基于SURF的交通标志识别算法，算法使用SURF特征提取算子来描述交通标志的特征，最后通过在建立的特征模板库搜索比较来判定待识别交通标志的类型，实验表明算法采取的策略具有较好的效果。4．研究了基于Zernike矩以及支持向量机的交通标志识别技术，针对基于SURF与模板匹配方法可扩展性差，不具备自我学习能力等问题，使用Zernike不变矩来构建交通标志的特征向量集合，使用支持向量机来实现快速准确分类，通过与其他方法的对比，实验表明此方法具有较高的准确率与良好的实时性。最后，对全文进行了总结，并展望交通标志检测与识别需要进一步研究的课题和实际应用前景。