本发明公开了一种基于FastR?CNN的路面交通标志识别方法，包括步骤：进行图像采集和预处理，制作样本集；将训练集输入，多任务训练FastR?CNN网络；待识别图片经过若干卷积层与池化层，得到特征图；由候选框得到对应的特征框，经由ROI池化层和全连接层，分别得到分类得分和窗口回归两个输出向量；将所有结果通过非极大值抑制处理产生最终的目标检测和识别结果，交通标志得以识别。本发明采用FastR?CNN这一深度学习方法，规避了区域卷积神经网络R?CNN中冗余的特征提取操作，实现了多任务训练，也不需要额外的特征存储空间，提高了检测速度和精度。相比于浅层学习分类器，它具有更高的学习效率和识别精度。