随着经济的发展和人们生活水平的提高,越来越多的汽车在当今社会得到了普及再加上当前能源环境和气候变化的新形势。为了解决上述问题,20世纪80年代初日本和欧洲许多国家开始研究通过智能交通系统(ITS)的建设促进交通和环境的和谐发展。交通标志识别是智能交通系统建设的一个关键技术,虽然在智能交通系统建设的初期都已经开始了相关的研究,但至今还没有一套完整非常成熟的交通标志识别系统。我国交通标志识别技术的研究起步比较晚,对于高效、实用的交通标志自动识别技术还需要进一步的研究。本文首先介绍了无人车技术和交通标志识别技术在国内外的发展情况,并分析了国内外的差距所在。其次,研究了图像预处理的方法和彩色颜色空间模型的方法及特征提取算法。针对在自然环境下采集的交通标志容易受光照不均匀造起的图像失真的问题,对其进行了图像增强处理,通过实验的处理效果可以看出图像失真问题得到了很好的解决。在RGB彩色空间模型分量固定差值的基础上引入了颜色对对交通标志进行分割并用开运算、闭运算、腐蚀、膨胀算法对分割后的交通标志去噪声处理。然后,针对分割后的交通标志的图像的信息不完整的情况,采用了SIFT算法和Hu不变矩分别对交通标志进行特征提取。由于SIFT特征具有较高的维数会影响识别的实时性,本文利用主成份分析法对提取的SIFT特征进行降维,通过实验证明了PCA-SIFT描述子生成时间较传统的SIFT描述子的生成时间大大减少,提高了特征提取的实时性。最后,本文研究了Bag of Words模型和支持向量机的基本原理,基于降维后的SIFT特征结合Bag of Words模型,提出了适合交通标志识别的实用的模型。为了实现路面交通分类器的良好识别的效果和推广性能,最后通过构造基于支持向量机的多类分类器对交通标志进行了分类识别。大量的实验结果证明,本文提出的Bag of Words模型的算法具有准确性高、实时性好的特点。