伴随着人们对汽车需求的增长,道路上行驶的汽车量逐年猛增,道路环境也日益恶化。驾驶员不仅要观察道路上的车辆和行人,同时还得密切关注各种交通指示信号的变化,如交警的指挥以及交通信号灯的跳变。如此多需要观察的信息,使得驾驶员需要保持注意力高度集中,时间长了则会疲劳感倍增。在这些信息里面,交通信号灯出现得最为频繁。若能够利用车载摄像头实时获取交通信号灯的信息并提供给驾驶员,这对减轻驾驶员的压力和缓解疲劳感将有很大的帮助。此外,无人车上路需要实时地获取道路交通信息,交通信号灯的检测与识别对于无人车的发展也是具有不可或缺的作用。本文围绕交通信号灯的检测与识别展开,对交通信号灯检测识别进行了研究,设计出了白天能够实时、稳定地检测识别交通信号灯的算法。针对夜间交通信号灯检测识别难度大、相关的研究很少的问题,本文也进行了一定的探索和研究,提出了一种实时检测夜间交通信号灯的算法。总体来说,本文主要从以下方面展开工作:(1)本文利用比交通信号灯的面积大很多的背板进行定位,且背板还具有几何特征明显、颜色固定等一系列特点。对背板的分割过程相对于分割交通信号灯要简便,背板的面积相对于交通信号灯大很多,因此检测距离上也会更远。(2)运用机器学习的方法,对交通信号灯和非交通信号灯进行分类识别。本文中采用的是HOG和LBP特征提取算法提取候选区域的特征,然后使用支持向量机(SVM)算法,对比分析两种特征提取算法的效果。(3)基于交通信号灯的安装位置特点,本文提出一种动态的检测窗口,该方法能大幅度提升交通信号灯的检测速度,有效地过滤掉一些干扰目标,对于算法的实时性有极大的帮助。(4)针对夜间交通信号灯检测识别困难,本文提出一种夜间交通信号灯识别算法,将光晕带来的检测困难转变为利用光晕亮度渐变的特点对检测结果进行验证。