赵 坤，刘 立，孟 宇，孙若灿

北京科技大学机械工程学院，北京 100083

近年来，人工智能的快速发展极大的加快了无人车技术的研究进程，特别是深度学习[1]在环境感知、路径规划、决策控制等关键技术上的研究与应用，使得自动驾驶时代在不久的将来真正成为可能. 交通标志检测与识别是智能交通领域环境感知[2]系统的一个重要分支，对于保证交通安全具有十分重要的研究意义，逐渐成为国内外学者的研究重点. 近几年虽然对交通标志检测与识别的研究取得了较为满意的结果，但是在实际应用中仍然存在较多问题，针对应用场景下的交通标志检测与识别方法仍需进一步深入研究.

目前交通标志检测与识别方法主要分为两大类：基于传统手工特征和机器学习分类的方法以及基于深度学习的方法.

（1）基于传统手工特征和机器学习的方法.

基于传统手工特征和机器学习的方法大致可以分为以下三个子类：1）应用颜色和边缘信息；2）应用形状信息；3）应用机器学习机制. 在第一类方法中通常先用颜色分割图像，然后进行边缘检测，最后使用随机一致性采样（RANSAC）或Hough变换等方法处理，从边缘图中识别特定的形状[3−4].第二类方法只依靠边缘信息，在文献[5]和[6]中实现了一种基于径向对称性的快速算法，该算法可以适应各种规则形状，包括三角形、正方形、菱形、八边形和圆形. 第三类方法应用机器学习技术，其中神经网络、支持向量机（SVM）和AdaBoost是最常……