汽车产业蓬勃发展及汽车数量的不断增加，带来了巨大的交通问题，也由此引发了大量的交通事故。驾驶安全性问题越来越成为了人们关注的焦点，各种各样的主动安全设备也随之产生。与白天相比，夜间行车更危险。行人和骑自行车的人常常由于驾驶员夜间行车视觉上的限制而发生危险。为了提高驾驶员夜间行车的安全性，最大化地提高其前向视觉成为最有效的方法。通常获取这种效果的方式是驾驶员开启远光灯，但是如果一直开启远光灯对于其他车辆也是危险的，更是违法的，所以设计一套智能车灯控制系统显得尤为重要。本文以机器视觉为依托，提出了一套智能车灯的控制策略，为以后的夜间车灯控制系统提供更为详尽的参考。首先通过摄像机获取路面信息，然后通过对视频中的图像进行算法处理，得到较理想的图片。再根据夜间车辆的特点，对图像进行特征提取，提取出车前灯、车尾灯、街灯以及其他亮斑的特征向量，将提取出的特征向量导入到支持向量机里面，进行训练集与测试集的训练与验证。路面信息通过支持向量机得到结果后，我们根据结果来进行控制决策，最后通过设定性能指标来对所设计的系统性能进行评估。主要工作内容如下：1．路面信息的获取以及图像处理。图像的采集是车灯控制的前提，通过固定在右侧挡风玻璃后面的摄像机采集路面视频，提取出单帧视频图像进行图像处理。首先将图像灰度化，而后进行图像中值滤波，根据常识习惯计算出车辆的感兴趣区域，在感兴趣区域内用’unsharp’算子进行滤波来增强尾灯，最后通过设定阈值来进行图像分割。2．特征提取以及获取支持向量机模型。在视频中找到有代表性的图像，通过上述的图像处理后，得到二值图像，并根据应用情况提取出特征向量，将提取出的特征向量导入到支持向量机中对其进行训练得到适合的支持向量机模型，为后续的分类工作做准备。3．进行车灯控制策略研究。根据支持向量机的分类结果，提出了本文的车灯控制策略。本文假设每个时刻的车灯决策都有两个状态，即，隐藏状态(HS)和实际状态(DS)，HS代表根据每帧图像所确定的车灯的状态，DS表示最终的车灯控制决策状态。其目的是消除车灯状态频繁变化对驾驶员的干扰以及斑点的识别错误对车灯决策的影响。每种状态都有其控制规则，二者相互补充，提高了控制策略的准确度。4．评价系统。完成了控制策略研究后，我们通过设定性能指标来对系统进行评价。我们采集不同路段、不同路况的视频，并将实际情况与系统结果进行对比，之后根据漏检验值(FNV)、误检验值(FPV)和总误差三个性能指标来评价我们设计的系统并分析各种情况下数值出入的原因。本文以MATLAB软件为基础，运用图像处理和支持向量机模型算法，提出了智能车灯控制策略，通过实验采集的数据以及设定相关的参数来测试和分析系统性能。实验结果表明，该系统有着较高的准确性，为今后智能车灯控制的研究提供了理论和实践参考。