交通灯识别是实现车辆智能与安全的多项关键任务之一。在识别交通灯的众多高级技术中,车载视觉传感器价格较低、检测率高。可以利用交通灯识别算法,对车载视觉传感器捕获的图像进行处理,从而检测到潜在的交通灯区域并进行分类。清华大学已采集并标注了中国环境下的首个交通灯图像数据集,用于建立中国交通环境下的交通灯识别算法。该算法包括的步骤有图像预处理、检测与分类,其中分类算法已构建完成。本课题的研究重点在于实现基于特征提取的检测算法,与基于机器学习的分类算法。训练了一个基准检测器,作为后续性能提升阶段的参照。基于召回率与假阳性率对所建立的检测器进行性能评估。利用多种技术获得更佳的性能,包括:利用多种图像数据增强方法(翻转、旋转、缩放)处理训练样本中的正样本集、利用其他的数据增强方法(模糊、对比度增强、减弱)处理整个训练样本集、改变弱分类器的个数、对样本四周增加填充、增加分类器所学习的决策树的深度等。本文结论部分分析并得出了所建立检测器与现有分类算法的兼容性。