交通标志识别（Traffic Sign Recognition, TSR）是智能驾驶系统的重要组成部分，其理论和技术涉及模式识别、图像处理和计算机视觉等多个领域。随着我国汽车工业的迅速发展，交通安全问题变得日益突出。而智能交通工具的研究应用对于保障人员财产安全具有重要意义。本文针对自然环境下基于车载视觉技术的交通标志识别做了相关的研究。从交通标志检测和交通标志识别两个分析了TSR系统，主要工作包括：在交通标志检测阶段，首先利用交通标志的颜色特征，在HSV彩色空间利用固定阈值进行分割，并对分割结果进行连通区域分析过滤处理，经过处理得到一系列的感兴趣区域，至此完成标志粗检测；从而降低了后续检测的复杂度。然后采用了Viola-Jones检测器进行二次精确定位检测，在原Haar-like特征提取的基础上，充分分析交通标志检测独有特点后，新添加了改进的Haar-like特征，再采用AdaBoost级联分离器进行标志检测。在交通标志识别阶段，采用了一种深层神经网络——改进的卷积神经网络对交通标志进行了分类。将目标图片直接作为网络的输入数据，通过多次卷积操作和降采样操作，从最原始的特征学习得到高级的特征组合，经过不断训练学习完成分类。为了将本文研究的方法综合应用到交通标志识别上，对AdaBoost、改进的卷积神经网络等算法融合，并在Matlab平台上进行仿真实验，实验结果证明了本文所提方法对交通标志识别能达到很好的效果，并具有一定的鲁棒性。