如何提高交通标志识别系统在室外复杂环境下的检测与识别能力是交通标志识别技术实用化的关键。本项目拟通过全局与局部特征相融合的算法提取交通标志的特征，进而完成交通标志的检测与识别。在全局特征提取方面，拟提出具有鲁棒性的颜色和空间结构分布特征作为图像的全局特征；在局部特征提取方面，将改进传统的局部二值模式(LBP)，并融入梯度方向分布信息作为图像的局部特征；其次，研究特征融合方法，对上述提取的全局和局部特征进行有效的融合，使融合后的图像特征描述子具有充分性、鉴别性和鲁棒性；最后，将图像特征描述子送入分类器，实现交通标志的识别，并采用仿真实验和理论分析相结合的方法评价系统的性能。最终目标是，在不明显增加运算量的前提下，利用全局及局部特征融合的方法实现比传统方法更好的识别效果，达到将识别率提高5%-10%以上的预期目标。通过本项目的研究，丰富图像特征提取技术，为推进交通标志识别系统的实用化奠定基础。

如何提高交通标志识别系统在室外复杂环境下的检测与识别能力是交通标志识别技术实用化的关键。典型的交通标志识别系统分为检测和识别两个部分。在交通标志检测部分，本项目提出了基于图论模型的交通标志检测算法，本算法将图论模型中节点的颜色、显著性、局部空间及纹理信息融合在一起，从而解决了一系列诸如复杂背景、模糊、光照变化等条件下的交通标志检测问题；在交通标志识别部分，本项目提出了全局与局部特征相融合的图像特征描述子提取算法。在全局特征提取方面，提出了具有鲁棒性的颜色和空间结构分布特征作为图像的全局特征；在局部特征提取方面，改进了传统的局部二值模式(LBP)，并融入梯度方向分布信息作为图像的局部特征；最后，将图像特征描述子送入支持向量机中，实现交通标志的识别。本项目取得的主要成果有：1）分别在德国、瑞典、西班牙等国际公开交通标志库进行实验仿真，实验结果证明了本算法与现有的交通标志检测与识别算法相比，检测与识别精度均提高了5%以上；2）建立了中国交通图像数据库，总标定图像数为40余万张，标定交通标志数为27,394个，交通标志类别为43类；3）建立了功能完备的交通标志识别路上测试软件平台；4）在本项目的资助下，共发表学术论文8篇，其中SCI检索论文6篇，项目申请人以作者在IEEE trans 期刊上发表论文4篇；5）在本项目的资助下，培养博士研究生1名、硕士研究生9名。^[1]