城市道路不断增加，交通信号和路牌信息越来越多，越来越繁杂，车辆的行驶环境也随之变得复杂。若要使智能车辆在城市道路环境中实现安全行驶，就必需要遵守纷繁复杂的交通信号。交通信号灯是交通信号中重要的信息指示之一，也是城市道路环境的另一个典型特征，提前对交通信号灯进行识别有利于智能车辆对路径进行提前规划，可以根据指定目的地的行车路径进行车道的选择或者停车还是直行的选择。因此交通信号灯识别技术具有重要的意义和良好的应用推广前景。本文主要研究内容概括如下：对交通信号灯标准进行深入的分析，为解决信号灯检测定位后的成功识别提供了先验知识的支持，另外对目前研究状况进行分析，引出关键的技术研究问题。通过对基于彩色空间阈值分割和形态学运算的交通信号灯处理，对比不同的彩色空间模型特点和应用环境，选取了HSV彩色空间模型进行色彩分割。通过对多个不同明暗程度的信号灯发光单元彩色分量统计，从统计曲线中获得具有统计特性的彩色分量阈值，减少了彩色分割所引入的噪声干扰。利用腐蚀和膨胀的形态学处理方法有效地将零散噪声去除，利用区域标记产生稳定可靠的候选区域。提出了基于AdaBoost算法的快速交通信号灯检测和基于先验知识的交通信号灯识别方法，利用竖式信号灯与横式信号灯分类器对感兴趣区域内进行目标的检测及定位，缩短了目标检测的搜索时间。对机动车信号灯与方向信号灯进行发光单元面积的统计，按照统计数据设置归一化发光单元面积的划分阈值，结合信号灯的位置先验知识得到方向的指示类型，最终完成交通信号灯的类型识别。通过在交叉路口下的交通信号灯识别实验获得了良好的实验结果。提出了基于波门设置和基于CAMSHIFT算法的交通信号灯跟踪方法。通过多帧识别后确认交通信号灯的存在，在设置的波门内进行色彩分量校验和检测，完成信号灯的跟踪。另外，由于交通信号灯的色彩分量具有良好的统计特性，利用CAMSHIFT算法寻找信号灯色彩分量的最大统计分布来实现鲁棒性跟踪。信号灯跟踪算法的引入很大程度地缩短了识别算法的处理时间和增强了系统的鲁棒性。