随着我国交通运输业的迅速发展,中国铁路的运输量稳步上升,也面临着越来越多的铁路安全事故。同时,基于图像处理人工智能监控技术正逐渐应用到机车上,提供前方实时路况和警报信息,以供司机参考。本文针对铁路线路中各种信号灯的实际特点,研究了多种颜色空间,区分各种颜色及其识别信号灯的技术。铁路沿线上的信号灯有在地面处和在电线杆高处两种,按照铁路交通规则,在铁轨左侧的信号灯为当前机车的指示信号灯。铁路上的交通信号灯比公路上所用的信号灯小一些,所拍摄图像信号灯区域中心颜色不纯正,铁路沿线附近居民、道路岔口等处灯光众多灯,这些都为检测信号灯增加了难度。而且铁路特殊的行车环境,要求机车经过时必须识别处对应的信号灯。基于以上特点,在拍摄图像的预处理阶段,本文采用了不影响色彩提取的中值滤波滤波技术,在抑制噪声的同时,较好的保存了绝大部分的有用信息。经过RGB空间转换到HSV空间,由独立分量H分量解决了在RGB空间三基色不易区分颜色的困难。再和S分量提取信号灯区域结合,得到了大致区域。再经过设定算子的填充得到最终的信号灯区域,中间多次采用数学形态学运算出去不必要的孤立点,通过模式识别的先验知识进一步验证是否为要检测的信号灯。若不是,则跳过；若是,则根据双目视觉原理测定到机车的大致距离。在检测到信号灯的基础上,探讨了几种简单的实现测量距离的方法,并给出了相应的位置示意图和推导公式。根据应用场景的具体需要,分析了几种方法的优缺点和限制性,以及在提高精确性方面可以改进的地方。由于本系统功能最终要移植到DSP上,实时性检测是一个需要着重考虑的问题。本文根据实际情况,采用加窗等操作仅处理信号灯可能出现部分的图像,选择合适的图像进行处理等等。