经济发展与科技进步使人类生活日新月异，机动车辆作为人类交通的重要工具也得到了迅猛发展，但随之而来的交通压力也不断增大，所以交通系统的智能化逐步成为主流趋势。准确的检测与识别出交通标识作为交通系统智能化的核心内容也引起了行业和众多研究人员的关注。本文主要对交通标识的检测与识别展开了研究，研究内容主要包括交通标识的颜色空间分割、分割后图像预处理和边缘提取、形状识别及交通标识的分类识别。　　论文首先选取适当的颜色空间对原始图像做阈值分割。分析与对比了RGB、RGB差值及HSI三种颜色空间情况，考虑各种光照及复杂背景下分割效果，最终选取 HSI颜色空间，然后通过设置适合的颜色分割阈值，得到了含有红、蓝、黄颜色信息的交通标识目标图像。　　论文随后对通过图像分割得到的目标图像进行一定的预处理。由于图像在分割之后仍存在大量的噪声及干扰物，图像预处理的主要作用就是去除噪声干扰物及对图像做一定的细节处理以改善图像质量。预处理主要完成图像去噪，使用连通域标记法去除过大过小面积干扰物，使用图像膨胀方法改善图像形状，选取Prewitt算子进行边缘提取。　　论文接下来对经过预处理的图像进行形状识别。形状识别可以进一步区分目标物体与非目标物体，对后续的交通标识的识别起到一个辅助的作用。经过分析对比，选取了性能较好的快速径向对称变换方法检测圆形标识，采用运行速度较快的拐角检测与几何信息相结合的方法检测矩形及三角形，能够对交通标识进行大致分类。　　最后对分割得到的不同种类的交通标识进行识别。选取对交通标识形状角度改变等问题具有良好性能的Hu不变矩作为特征向量；在识别方法方面采用支持向量机方法，对40限速及禁止鸣笛的交通标识进行实验分析。支持向量机能避免局部最优值及过度拟合等问题，同时对小样本分类有着良好性能。