你有没有尝试过一些简单的东西，比如相关性？

（编辑）。相关性背后的想法是使用模板（在您的情况下是经过训练的路标样本），并将其与测试图像中的每个位置进行比较。我用来生成下面图像的比较操作称为归一化互相关。粗略地说，你将模板中的像素和你要匹配的图像部分标准化（mean=0，standard deviation=1），逐个像素相乘，计算出乘积的平均值。通过这种方式，您可以获得“匹配分数”，即测试图像中每个位置的模板和测试图像之间的相似性度量。具有最佳匹配（最高相关性）的位置是路标位置的最可能候选。（其实我用过 Mathematica 函数CorrelationDistance生成下图，即 1 -（归一化相关）。所以匹配图像中的最暗点对应于最佳匹配）。

我没有任何其他模板，所以我从您发布的第二张图片中简单地裁剪了标志：

即使模板稍微旋转，互相关看起来仍然可用

并在正确的位置找到最佳匹配：

（当然，您需要每个模板的多个缩放版本来检测任何大小的标志）

在我的硕士期间，我的主管参与的项目是检测和识别视频序列中的各种不同的交通信号（例如道路检测，道路中心线检测，以及交通标志检测和识别）。我们正在处理的视频帧在很多方面与您的示例图像相似。

虽然我个人没有在交通标志上工作，但我认为使用Viola-Jones 算法（论文）获得了最好的结果。简而言之，它是一种使用级联的弱分类器（准确度仅比随机算法高一点）来构建即使在困难任务中也具有鲁棒性的强分类器的算法。

该项目被称为MASTIF（映射和​​评估交通基础设施状态）并做了一些非常好的工作。Project 的发布页面可能非常有用，因为它提供了与该项目相关的所有已发表论文的链接。只是为了给你一个想法，让我挑出一些出版物（按时间顺序）：

• Karla Brkić、Axel Pinz、Siniša Šegvić：“交通标志检测作为自动交通基础设施库存系统的组成部分”
• A. Martinović、G. Glavaš、M. Juribašić、D. Sutić 和 Z. Kalafatić：“交通标志的实时检测和识别”
• Igor Bonači、Ivan Kusalić、Ivan Kovaček、Zoran Kalafatić、Siniša Šegvić：“解决交通标志检测和识别中的误报和定位不准确问题”

再一次，我没有亲自研究交通标志，但我认为你可以在这里找到很多有用的材料。另外，我建议仔细阅读论文中引用的参考文献，因为它们也可以提供帮助。

好吧，谷歌搜索road way signs detection为您提供了很多关于这个主题的好论文。

由于特殊的蓝色，绿色，红色等，一些使用颜色分割。

有些人先应用高斯平滑，然后用精明的边缘检测和轮廓查找来提取标志牌。

尝试以下两个链接：链接 1，链接 2

我绝对不是这里的专家，但是您可以从边缘检测（例如 canny）开始，然后使用霍夫变换检测圆形、矩形、正方形或三角形（基于您要检测的符号），然后您可以做模板匹配或直方图匹配，如果颜色足够不同（在霍夫变换返回的候选者之上）。

第一步（使用霍夫变换检测候选者）是更难的一步。我可以想出很多方法来尝试检测该候选人是否是标志。这是一个有趣的问题。享受解决它:)

顺便说一句，我相信您可以找到高度相关的优秀研究文章