随着汽车保有量的增加，交通安全成为一个不容忽视的问题，智能交通系统的研究引起了各国的重视。作为智能交通系统的一个重要子课题，汽车辅助驾驶系统要实现车道线检测、车辆与行人检测、障碍物检测以及交通标志识别等几项基本功能。交通标志的自动检测与识别系统能够有效地减少驾驶员疏忽造成的交通违章现象的发生，大大降低交通事故率，从而保障汽车高效、安全地行驶。基于单目视觉的交通标志检测与识别系统首先通过车载单目摄像头获取道路场景图像，然后利用图像处理的相关算法初步检测交通标志，最后采用模式识别技术对交通标志进行识别。本文对基于单目视觉的交通标志检测与识别系统中基于颜色特征的粗分割算法、形状检测算法、特征提取及初分类方法、模板匹配分类方法进行了分析与研究。在交通标志检测方面，首先介绍并比较了各种基于颜色特征的粗分割算法，提出了一种基于HSI颜色模型的自适应阈值分割改进算法，有效地克服了固定阈值分割算法受光照等外界因素影响较大的缺点。其次，采用一种基于区域生长思想的快速标记方法进行连通区域标记，排除部分非交通标志块，并对多个相连标志作了有效分割，初步提取出候选交通标志图像块。然后，分析了几种典型的边缘提取方法，提出了一种基于Log边缘检测器和双向扫描过滤器的候选块外边缘提取算法，利用圆形相似度参数、矩形相似度参数和三角形相似度参数检测出三种外边缘形状的的交通标志，并结合颜色特征将待处理的交通标志分为红色圆形、蓝色圆形、蓝色矩形、黄色三角形四大类。在交通标志识别方面，首先进行候选交通标志图像块的预处理，采用双三次插值进行候选块的尺寸归一化处理，结合颜色特征和过滤二值图分割出候选块的内字符特征。然后，提取了候选块内字符特征分割图的Hu不变矩特征，利用候选块内字符特征图的前3个不变矩特征和8-邻接连通区域数对四大类交通标志进行初分类，大大减少了后续模板匹配识别所需的模板数，也有效地提高了识别效率。最后，运用改进加权模板和基于距离与角度混合匹配判别函数识别交通标志，实验证明，该方法具有较高的识别率。