智能交通系统（Intelligent Transportation System,ITS）的首要环节就是行驶环境感知,其环境信息主要包括车道线信息、交通标志信息、前方车辆以及行人信息等。车道线和交通标志作为道路环境的主要信息,是整个系统研究方向中关键的一部分。但由于道路环境日渐复杂,为获取有用的交通信息增加了难度。本文结合免疫算法进行优化处理,对车道线及交通标志进行检测识别研究。主要研究内容如下:（1）实验采集图像与相机标定。相机标定可以获得相机内参、相机外参以及畸变矩阵,并通过透视变换原理对采集到的图像进行畸变矫正,实现感兴趣区域精确定位。（2）免疫算法应用于图像分割。首先,对现有的免疫算法类型进行研究,并对自适应免疫算法在疫苗选取环节进行改进,改进后的自适应免疫算法能优化图像分割时的阈值选取,从而获得图像特征。（3）车道线进行识别。包括车道线感兴趣区域提取、车道线图像预处理、提取车道线特征、车道线识别等。首先,对实验采集的图像进行预处理,使提取图像特征更加容易;然后分割图像,用改进的自适应免疫算法优化图像分割时的阈值选取,并用Canny算子和非极大值抑制获取边缘;特征识别时用Hough变换拟合直线,并根据车道线的斜率确定所需直线拟合角度范围,从而获得准确的车道线。（4）针对采集到的交通标志图像被遮挡以及拍摄角度导致交通标志变形的问题,提出本文的交通标志识别方法。先对图像进行矫正处理,然后根据图像形状、颜色等特征,使用颜色空间转换的方法分割图像获取图像特征;根据机器学习中支持向量机（Support Vector Machines,SVM）的算法原理,对交通标志分类识别。分析实验结果及数据可知,本文提出的算法都是切实可行的,能达到识别检测车道线和交通标志的目的;将课题提出的算法与现有的算法进行对比,本文的算法准确率有所提高。