针对交通信号灯的自动识别，已经有研究人员提出了一些检测、识别交通信号灯的算法。现在对于交通信号灯的检测和识别主要基于颜色特征和形状特征，主要分为两个大类：基于形状特征的信号灯检测识别和基于颜色特征的信号灯检测识别。前者主要利用信号灯背板的形状信息，而后者则是根据不同的发光特征。82074

    Yung等提出了一种基于视频检测的交通信号灯识别方法，但针对的是摄像机与信号机相对位置固定的情况下，针对车辆闯红灯的视频检测提出来的[1]。

    Maphipa。R。Yelal等对晴朗天空背景下的圆形交通信号灯图像进行检测，通过Lab色彩空间对图像进行色彩分割[2]。

    武莹、张小宁等在基于图像处理的交通信号识别方法中，提出了一种基于颜色特征和形状特征的交通灯检测和识别算法，将图像从RGB色彩空间转化到HSI色彩空间中利用红、黄、绿三色对应的H、S阈值确定可能的候选区域，之后利用信号灯黑色矩形框的特征进行形状分割，最后进行模板匹配确定信号灯模式[3]。

2009年Tohoku Bunka Gakuen大学的Masako Omachi[4]等提出了一种基于颜色和边缘的圆形交通信号灯检测方法，其在RGB色彩空间中先归一化，然后进行图像分割，利用sobel算子进行边缘检测后，通过HOUGH检测对圆形区域进行检测，最后通过模板匹配的方法进行交通信号灯的检测。论文网

Raoul de Charette等[5]提出一种基于亮度的圆形信号灯检测识别算法。其先将彩色图像转化为灰度图像，经白帽变换、二值化以后得到二值图像。通过形态学滤波后运用自适应模板ATM对候选区域进行识别。这种算法具有较强的鲁棒性，但外界光照较强时，会造成信号灯失真，从而使检测失效。

湖南大学的徐成、谭乃强等[6]提出了一种检测和识别圆形交通信号灯的算法,先将图像从RGB空间转换到Lab空间，然后通过饱和度、色彩均值、长宽比、面积等特征对候选区域进行过滤，最后通过模板匹配进行识别。但由于其对颜色信息的过度依赖，无法适应不同的天气和复杂的环境，鲁棒性不强。

温州大学的王厅列[7]等提出了一种对于圆形信号灯进行识别的算法，先将图像从RGB空间转化到HSI空间，进行阈值分割后，通过OCR进行光学字符识别。但其仅依靠设定的阈值进行简单的判断，无法适应复杂情况。

Lu。K。H等[8]提出了一种对箭头型和圆形交通信号灯都可进行检测的算法。其先在HSI空间中根据阈值进行图像分割，然后通过几何特性进行检测，但误检率和漏检率较高。