交通场景中包含大量信息,如道路标志、道路标识、交通信号灯等,驾驶员的注意力不集中、视觉疲劳和理解错误等都会导致交通事故的发生。特别是交通信号灯信息,用于指示行人和车辆安全有序通行,为此,识别交通信号灯对于辅助驾驶或者自动驾驶具有重要意义。特别是随着智能手机等消费类移动终端的迅速普及,将汽车辅助驾驶或自动驾驶的功能与智能手机设备进行整合,既可以对智能手机日益强大的硬件资源进行有效利用,同时又可以满足人们追求安全、便捷的需求。本文结合应用数学相关知识,提出了一种基于智能手机平台的三阶段交通信号灯识别算法,包括信号灯的候选区域提取、识别和时空信息融合三个阶段。在信号灯候选区域提取阶段,首先,提出一个基于HSL色彩空间的椭球体几何阈值模型用于提取感兴趣颜色区域,进而结合图像顶帽变换,获取同时满足颜色和亮度条件的信号灯候选区域。然后,为了节省像素点颜色空间转换及利用椭球体几何阂值模型判断颜色像素点的时间开销,离线建立了YUV空间像素点颜色(红、绿)判断表,这样将颜色空间转换和判断过程都隐含在判断表中,提高了算法的识别速度。在识别阶段,为了准确地、快速地识别出信号灯的状态和类型,利用降维后的HOG特征和极限学习机分类器(ELM)对候选区域进行验证。首先,离线训练两个ELM分类器,分别对应红灯和绿灯。然后,对候选区域提取HOG特征,利用BW方法降维,再用ELM分类器进行分类识别,识别出信号灯的状态和类型。在时空信息融合阶段,为了提高信号灯状态和类型的识别准确性和稳定性,首先,利用光流法对信号灯进行跟踪关联,然后,引入一个基于有限状态机的多帧识别框架用于更新和决策信号灯的识别结果,最后对其反馈。本文在三星19300智能手机上实现了该算法原型,不同道路环境的测试结果表明,所提算法能够准确、快速地识别出交通信号灯的状态和类型。