交通标志识别包括交通标志检测和交通标志识别两个主要环节，其中交通标志牌检测的目的就是获取感兴趣区域ROI（Region of Interest），由于交通标志牌有明显的颜色和形状特征，因此，可以通过交通标志的颜色和形状特征实现交通标志牌的检测。
对于交通标志来说，颜色无疑是最显著、最重要的特征。以颜色为依据进行检测和识别的研究有很多，但无论是人眼观察还是仪器拍摄，得到的物体图像颜色并不是物体真正的颜色，而是该物体在光源照射下的反射光线的颜色。因此照射光源的强度和光谱(颜色)对以颜色为依据的检测和识别影响很大。
其次是交通标志的形状，运用Hough变换法，对于检测直线、圆、矩形等简单形状的物体有较好的效果，具有缩放、旋转不变性。基于统计机制，抗噪声的鲁棒性强，但运算量也比较大。因此尝试采用Hough变换检测形状特征。论文中针对其中的圆形交通标志进行检测。
2.2 采用Hough变换算法的交通标志检测
    本设计检测交通标志的过程大致分为预处理和Hough检测两个过程，其中预处理分为基于彩色信息的交通标志图像分割和基于CANNY边缘的交通标志边缘检测。
1）基于彩色信息的交通标志图像分割
    彩色图像分割也称颜色检测[9]，在交通标志检测过程中，由于彩色图像分割的实时性比较好，为了提高检测的速度，先根据颜色信息分割出交通标志二值化图像，然后再结合交通标志牌的形状特征，精确定位出交通标志牌。
    由于人的眼睛主要是通过感受可见光对视网膜的刺激来获取外界物体的颜色信息。通过对人类视觉系统的研究，人类感受的各种可见光主要是由红色（R）、绿色（G）和蓝色（B）这三基色所构成。以R，G，B为坐标所构成的颜色模型称为RGB颜色空间。本文将介绍基于RGB颜色空间的彩色图像分割。
2）基于CANNY边缘的交通标志边缘检测
    图像上颜色相近的像素连在一起形成了不同的区域，而不同区域间的边缘表现为颜色灰度的跃变。边缘检测就是利用微分等方法，通过对灰度跃变的分析寻找图像上区域边缘的技术。对于数字图像，通常使用卷积或类似卷积的方法来实现对灰度的分析。CANNY在一定理论研究的基础上设计了边缘检测算法，具有很不错的结果    ，后续也有很多学者对此算法进行改进。本文将介绍在灰度图像中运用CANNY算法检测图像边缘从而取得预期的效果。边缘检测是很多其他图像处理技术的基础。
3）Hough变换
Hough变换是数字图像处理和机器视觉领域的经典算法，主要用于直线或线段的的检测。虽然某些广义Hough变换能够用于检测复杂的2文图形，但其通常都具有存储空间大、计算时间长、可靠性差等不足，而且对于需要使用导数或梯度信息的算法而言，往往对图像中的噪声比较敏感、鲁棒性差。为了对平面规则图形进行快速准确检测，在传统的直线Hough变换的基础上，结合平面规则图形的几何特征，提出了一种检测平面矩形和圆的快速通用方法。本论文将介绍此种方法，它适用于各种常见平面规则图形的检测和识别，并且检测速度快、精度高。
2.3 开发环境简介
    操作系统：32位 windows 7 旗舰版
    IDE: Visual Studio 2010
    在Visual Studio 2010中配置OpenCV：下载并安装OpenCV最新的版本OpenCV2.3.1，安装到C盘根目录下，然后：
1）设置用户变量。计算机>属性>高级系统设置>环境变量>新建，新建一个用户变量，如变量名：Path，变量值：C:\opencv2.3.1\build\x86\vc10\bin 基于Hough变换的静态交通标志检测方法研究(4):http://www.youerw.com/jisuanji/lunwen_7819.html