近年来,随着机动车数量的增加和迅速的普及,行车安全已经成为全球关注的热点。由于道路状况的复杂性和信息的多样性,驾驶员的注意力不能时刻保持集中,导致交通数据的错失,严重者酿成交通事故,因此,辅助驾驶系统和无人驾驶系统作为驾驶员的有力助手,帮助驾驶员获取复杂的交通信息,越来越得到青睐。作为辅助驾驶系统和无人驾驶系统的重要组成部分,交通信号灯识别技术的研究不仅可以帮助驾驶员获取有关交通信号灯的相关信息,也可以加快智能交通的发展步伐。本文围绕交通信号灯识别,做了如下工作：首先,利用交通信号灯本身是个发光源的特征,本文提出亮像素提取的算法,对读取的图片进行预处理,过滤不符合形态学准则的区域,提取亮像素。其次,利用交通信号灯的颜色特征,本文提出信号灯颜色候选点提取的算法,对图片进行颜色分割,将RGB图像转换成HSL图像,依据交通信号灯的颜色(红、黄、绿)分别给H(色调)、S(饱和度)、L(亮度)三分量设定阈值,过滤不满足阈值的点,提取颜色候选点,并把满足阈值的候选点标出相应的颜色。再次,针对信号灯颜色候选点中的误识别较多的问题,本文提出基于亮像素与颜色候选点的结果生成信号灯候选区域的算法,依据亮像素的坐标,在颜色分割后的图像上,利用给定的模板和扩展模板分别统计红、黄、绿点的个数,分别对模板与扩展模板设定个数的阈值,把满足阈值的点作为信号灯候选点留下,这一步即为亮像素提取与颜色候选点提取的融合过程。最后,针对以上仍有误识别的问题,本文提出基于支持向量机(Supported Vector Machine, SVM)和Haar小波特征的形状识别算法,对信号灯候选点生成的信号灯候选区域进行形状识别,取得最终正确的交通信号灯识别结果。本文提出的交通信号灯识别技术,不拘泥于特定环境和设备的要求,算法简便,实验结果表明,该方法能有效地识别复杂环境下的交通信号灯,检测效果好,易于实现。