随着城镇化建设的不断发展，汽车已经得到普及，人们也越来越重视除基本生活外的精神建设。然而由于机动车的数量急剧增加、出行人数日渐增多，使得交通变得日加拥挤，引发了更多的交通事故，交通安全和行驶效率直接的矛盾日益呈现，现有的路网显然已不能满足人们对道路的需要，智能交通系统（Intelligent Transportation System，ITS）被认为是解决这些问题的基本手段。ITS是一个集通讯、检测、控制和计算机技术于一体的综合信息系统，对保障交通系统的运行安全及运输效率，促进国民经济的发展具有重要的意义和经济价值。道路交通标志识别（Traffic Sign Recognition, TSR）是ITS的重要组成部分，它在车辆行驶过程中对出现的交通标志信息进行采集和识别，可及时地向驾驶员做出指示和警告，或者直接控制车辆的操作，以保持交通通畅和预防事故发生。因此，研究的核心就是提高交通标志的识别率，这就需要识别算法能够对环境光照条件，车辆的震动和遮挡物等因素的影响有较大的鲁棒性，并能够满足实时性的要求。本文主要针对道路交通标志的识别算法进行研究，目标是通过设计合理的使用算法使得交通标志图像能够进行高速、准确的处理。本文的主要工作是在交通标志的判断、分割和标志识别算法方面进行了深入的研究，具体内容包括：(1)为了快速、准确的从拍摄到的图像中检测出交通标志，本文先利用色差法和自适应阈值法分割出可能的目标区域；然后在形态学处理的基础上根据交通标志形状和大小特征通过阈值筛选，除去不符合要求的可能区域，最终得出含有交通标志的方形区域。(2)为了克服光照、车辆震动和旋转等因素的影响，本文采用具有对平移、旋转、尺度缩放、亮度变化、遮挡和噪声等具有良好的不变性，对视觉变化、仿射变换也保持一定程度的稳定性的SIFT算法来提取目标区域的特征，为了满足算法实时性的需要，对算法的执行顺序进行改进，采用并行执行的方法提高计算速度，仿真结果证明该改进能够提高计算速度，效果较理想。(3)在交通标志的识别阶段，采用Kd-树最近邻查询法与最近邻阈值比结合用于特征点的匹配，得出最终的识别结果。对每个阶段都记录了计算所需要的时间区间，最后通过大量实验结果证明：该方案对交通标志的识别是很有效的。