交通标志中包含了重要的道路指示信息,由于车辆行驶道路复杂、标志种类繁多等原因,使得交通标志检测与识别成为智能交通和无人驾驶研究的热点问题。交通标志牌长期暴露在室外环境下,容易出现受损、被遮挡等情况,从而使得交通标志检测与识别系统效果较差,不能较好地满足驾驶员所需要的辅助驾驶信息。本文在YOLOv4算法与胶囊网络的基础上,实现了交通标志检测与识别,开展了以下工作:（1）针对交通标志检测中小目标检测效果不佳的问题,提出了融合多特征的YOLOv4小目标交通标志检测算法。以YOLOv4为基础网络,进行横纵向双跨层连接,其中:以密集连接方式,纵向将网络浅层信息作为新的分支加入到特征融合结构中,提高模型对小目标的特征表达能力;以残差连接方式,横向将网络前后部分的卷积层信息进行充分重合,整体上进一步提升模型在不同尺寸上的检测效果。该算法在GTSDB（German Traffic Sign Detection Benchmark）和CCTSDB（CSUST Chinese Traffic Sign Detection Benchmark）上分别进行了验证,实验结果表明,改进后的YOLOv4模型对小目标交通标志具有较好的检测效果。（2）针对复杂场景中交通标志被遮挡,导致模型识别精度不高的问题,提出了一种复合胶囊网络的交通标志识别算法。通过将残差网络中的多尺度思想引入胶囊网络卷积层,并在主胶囊层中加入双通道池化结构,同时对动态路由算法的计算方式进行了优化,提高了特征提取的效果和预测值的输出概率,实现了遮挡类型标志的精准识别。通过在GTSRB（German Traffic Sign Recognition Benchmark）上进行验证,实验结果表明,改进后的复合胶囊网络针对遮挡类型的交通标志识别精度达到99.21%,平均准确率提高了6.54%,验证了改进算法的有效性。（3）建立了交通标志检测与识别原型系统。该系统使用Python语言编写代码,将检测、识别功能与图形用户界面里的控件进行绑定实现交互,系统操作简便。