环境识别系统是智能车辆的重要组成部分，它在车辆行驶过程中对出现的各种目标进行采集和识别，可及时提取环境状况，向驾驶员做出指示或警告，或者直接控制车辆的操作，以保持交通通畅和预防事故的发生。在各种环境因素中，前方车辆的各种汽车信号灯无疑是非常重要的。在这些信号灯中，汽车转弯灯是智能车行驶中最重要的信号灯之一，它提供了前方车辆变道、转弯等重要信息，是智能车行驶的重要依据。对于转弯灯识别的研究工作，具有重要意义。 本文研究主要做了以下工作： 1．实现基于统计模型的背景生成算法，利用背景差分方法进行运动物体检测。本文利用各帧像素的亮度分布特点动态生成背景，并对所生成的背景按其统计规律进行更新，使得该背景能够适应环境的变化。 2．提出基于连通区域合并的运动车辆提取算法：在运动车辆提取中，利用车辆区域内白点投影特点，提出运动车辆修正方法：利用车辆阴影的形状特征，提出运动车辆的二值图像阴影去除算法。以上算法均基于二值图像操作，算法复杂度低、运算速度较快，是实时应用研究中值得采用的方法。 3．利用运动车辆跟踪算法，对运动车辆进行跟踪。本算法中，利用运动车辆的窗口大小、窗口位置、窗口直方图特征，构造匹配矩阵，对运动车辆进行跟踪：针对不同的情况，对当前帧识别的结果进行处理，得到有效的车辆跟踪系列。 4．提出变形拉普拉斯算子，并使用该算子基于HSI颜色空间进行转弯灯检测：之后提出基于平衡性分析的方法对灯区进行滤波：提出转弯灯类型识别算法。变形拉普拉斯算子是在拉普拉斯算子基础上，针对转弯灯特点进行变形的，它能有效识别汽车转弯灯，也能应用到其它信号灯的识别中。同时，卷积运算中大量零元素不参与运算、在转弯灯检测中仅对运动车辆区域进行检测，算法实时性较好。 实验表明，以上算法能对昆明市市郊实地采集的视频进行处理，提取运动车辆及有用的汽车转弯灯信息，有效判定转弯灯类型，验证了所提算法的有效性。