چکیده: در این پایان‌نامه به آشکارسازی و شناسایی علائم راهنمایی و رانندگی می‌پردازیم. در مرحله اول، علامت ترافیکی را از میان اشیاء مختلفی که درون تصویر وجود دارد، استخراج کرده، سپس در مرحله دوم به شناسایی نوع دقیق آن می‌پردازیم. در مرحله آشکارسازی علامت، ابتدا به منظور کاهش حساسیت نسبت به تغییرات روشنایی، تصویر ورودی را از فضای رنگ RGB به فضای رنگ HSVتبدیل می‌کنیم و سپس با آستانه‌گذاری بر روی پارامترهای فام و اشباع، مناطق با رنگ قرمز و آبی را استخراج می‌کنیم. هم‌چنین به منظور افزایش قدرت سیستم در استخراج مناطق با رنگ قرمز و آبی در شرایط متغیر روشنایی، از منطق فازی استفاده می‌کنیم. سپس با فیلترگذاری، از روی مناطق قرمز و آبی استخراج شده قسمت‌هایی که مثلث، دایره، هشت‌ضلعی و یا مستطیل هستند، استخراج می‌شوند. به منظور ارزیابی عملکرد سیستم آشکارسازی و نبود یک پایگاه داده از علائم راهنمایی و رانندگی موجود در ایران، اقدام به تهیه یک پایگاه داده از علائم موجود در ایران کردیم. این پایگاه داده شامل 350 علامت در 35 کلاس مختلف است، سیستم ما قادر به آشکارسازی 97.87% درصد از این علائم است. پس از استخراج علامت از میان تصویر، پس زمینه آن را حذف کرده و در روش اول بکارفته برای شناسایی دقیق علامت به روش پروفایل از علامت استخراج ویژگی می‌کنیم. سپس با استفاده 840 علامت در 40 کلاس مختلف، ماشین بردار پشتیبان را آموزش داده و با استفاده از 416 علامت آن را مورد آزمایش قرار داده که به دقت شناسایی 91.1% رسیدیم. در روش دوم که برای شناسایی دقیق علامت به کار برده‌ایم، به روش هیستوگرام گرادیان از علامت راهنمایی و رانندگی استخراج ویژگی می‌کنیم. سپس از ویژگی‌های استخراج شده برای آموزش شبکه عصبی استفاده می‌کنیم. مجموعه داده‌ای که برای آموزش و آزمایش شبکه عصبی استفاده شده است شامل 1280 علامت واقعی در 40 کلاس مختلف است. 67 درصد این مجموعه یعنی 864 علامت را به آموزش شبکه اختصاص داده و از 33 درصد باقی‌مانده یعنی 416 علامت برای آزمایش شبکه استفاده می‌کنیم. دقت طبقه‌بندی به دست آمده، 99 درصد بر روی دادهای آموزش و 93.86 درصد بر روی داده‌های آزمایش است. با توجه به این که این علائم در شرایط نوری، پس‌زمینه‌ها و مقیاس‌های مختلف قرار دارند و نیز دارای تاری و چرخش هستند. نتایج به دست آمده بیانگر توانایی روش پیشنهادی در آشکارسازی و تشخیص علائم است. برای این‌ که الگوریتم ارائه شده به صورت بلادرنگ عملیات آشکارسازی و شناسایی دقیق علامت را انجام دهد، برنامه اولیه را که با استفاده از نرم‌افزار متلب نوشتیم، به زبان C++ تبدیل کردیم. که به طور میانگین، به زمان آشکارسازی 170 میلی ثانیه و زمان شناسایی دقیق 121 میلی ثانیه برای هر تصویر رسیدیم.