在当今社会汽车持有量几何式增长的年代,交通拥塞问题是现代社会每个国家都在面临的严峻考验,伴随产生的交通事故安全问题也给人类社会带来了巨大困扰,常给社会造成了很大财产和人员损失。为适应时代发展,智能交通系统（Traffic Sign Recognition,TSR）发展起来。交通标志识别系统TSR是智能驾驶交通系统至关重要的组成模块,正在吸引社会各界以及科研机构越来越多的关注。交通标志识别系统主要应用于辅助驾驶系统和无人驾驶系统,通过识别道路上的交通标志,辅助驾驶人员或自主驾驶车辆。由于自然场景复杂,以及识别技术尚不成熟。如何快速,准确的识别出自然场景中的交通标志还需要深入的探讨和研究。由于交通标志本身具有鲜明的颜色和形状特征,能够利用这些特征快速的定位到交通标志所在位置,再对其进行识别。这样就可以大大提高系统的识别效率。然而自然场景及其光线条件复杂多变,交通标志本身又可能存在遮挡、形变、褪色等问题,导致采集到图像中的交通标志颜色与形状特征也随之改变。针对以上问题,本文提出了一种基于颜色一形状分割的交通标志的检测与识别系统。第一,在图像复原方面,本文主要研究了图像去雾算法,本文的去雾算法创新点主要在于改进了图像去雾领域目前较为知名的基于暗通道先验理论去雾算法,针对该方法在部分细节处理的缺点稍做了改进,本文去雾效果物体轮廓更加清晰,图像比原暗通道假设去雾算法亮度更接近原图。又根据TSR系统对时效要求高的特点,较大程度地提高了算法的运行速度,可达到实时。第二,在颜色聚类方面,由于相机拍摄效果受光照和背景色干扰影响程度大,本文提出的算法创新点主要集中在对不同程度光照和复杂颜色背景干扰的鲁棒性更强上。颜色空间模型有很多种,其中对光照鲁棒性适应性最强的是HSV颜色模型。本文在HSV颜色模型的基础上,利用局部同一光照强度相近的特点,利用红色点与周围绯红色点的红色程度相对差异,提出了自适应HSV颜色聚类算法,经过实验对比,本文的颜色聚类算法在效果和时效性方面,都有一定优势。第三,在轮廓形状检测方面,本文算法的创新点主要在对标志的局部遮挡以及形变、标志旋转都有一定的适应性。本文分析了常用的圆形、三角形和矩形的检测算法。针对遮挡,污损等影响交通标志形状的问题,提出了基于凹陷去除的轮廓逼近算法。针对圆形交通标志的变形与遮挡,本文又在随机最小二乘椭圆拟合法的基础上提出了定间距最小二乘椭圆拟合法提高检测率与检测速度。针对三角形和矩形轮廓线的特点,本文提出了轮廓线合并算法。实验证明本文的检测算法提高了对形变和遮挡圆形标志的检测率与检测速度,同时提高了对三角形和矩形的检测率,降低了误检率。第四,在交通标志的特征提取方面,本文采用了首先提取样本图像HOG特征,再应用PCA技术对图像HOG特征降维的方法,相比单纯对HOG特征分类,本文采用算法的识别率和识别速度都有所提高。在分类识别算法方面,本文选取常用的SVM支持向量机算法。实验证明了本文选取的特征提取与分类识别算法综合识别率达到了 97.53%,取得了良好的识别效果。最后,总结了本文的工作、存在的不足,接下来的工作重点。