طراحی هوشمند وسایل نقلیه با هدف به حداقل رساندن تصمیمات اشتباه رانندگان در حین رانندگی و کاهش تصادفات، یکی از موضوعات داغ فن آوری خودروسازی امروز است. تحقیقات متعددی در رابطه با طراحی هوشمند این وسایل انجام شده است که یکی از آن ها سیستم شناسایی تابلوهای ترافیکی(tsr ) است. هدف این سیستم ها، یادآوری و یا هشدار دادن به رانندگان در مورد محدودیت ها، خطرات و یا دیگر اطلاعاتی که توسط تابلوهای ترافیکی بیان می شود، می باشد. از آنجا که تابلوهای موجود، به منظور جلب توجه رانندگان با ویژگی رنگ و شکل طراحی شده اند، پردازش این ویژگی ها یکی از بخش های مهم در این سیستم است. در الگوریتم پیشنهادی با توجه به رنگ، بازیابی تابلو صورت می گیرد و در نهایت تابلو شناسایی می شود. در بازیابی تابلو سه مرحله به عنوان ناحیه بندی ، شناسایی و طبقه بندی شناخته می شوند. با توجه به دشواری تجزیه و تحلیل بخش های جزئی برای ساخت قاب اصلی علامت یا تابلوی ترافیکی، پیچیدگی این الگوریتم در مرحله بازیابی است. دو قسمت مهم در سیستم های بازیابی تصاویر، استخراج ویژگی و طبقه بندی آن ها می باشد. به همین منظور با توجه به مطالعات انجام شده، برای استخراج ویژگی از توصیف گرهای زرنیک استفاده شده است و پس از بررسی روش های موجود، یک روش سریع و موثر مبتنی بر شبکه های عصبی ارائه شده است. نتایج عملی الگوریتم پیشنهادی، بهبود کارایی را در شناسایی اتوماتیک تابلوهای ترافیکی نشان می دهد.