智能驾驶是未来发展的趋势，而交通灯的自动检测与识别仍然是重要的挑战。其次使用交通灯的识别，能帮助盲人或有视觉障碍的人：这些系统往往是在移动设备上开发的。因此，运用计算机视觉和模式识别等技术，深入对交通灯的检测和识别，是智能驾驶中的研究热点问题。

2012年，Kim，K.T提出建立一个无线网络，定期使用broadcasts调度信息获取交通灯的方法。同样，交通灯也可作为一个轻型道路车辆通信设备。2010年，Premachand等人提出了一种使用高速摄像机实现交通灯和车辆之间通信的方法。但此类方法都需要对城市交通灯网络进行相应的智能化改造，往往面临更大的挑战。

目前对交通灯检测和识别的研究主要利用摄像头采集图像，进行模式识别。

2010年，OmachiM等在标准化的色彩空间进行颜色分割，然后提取边缘，最后通过霍夫圆变换检测信号灯。该算法主要针对圆形信号灯的检测，并且局限于水平方向排列的信号灯。

2011年，J.Levison等通过提前获取数据信息和交通信号灯的位置信息，在线地检测交通信号灯。此算法对构建系统要求很高，并且需要有大量的先验信息作为支撑。(www.daowen.com)

2013年，谷明琴等采用6个方向和6个尺度的Gabor小波，通过对交通信号灯候选区域小波变换，再采用二维独立分量分析方法降维处理后提取特征，而后分类识别。该方法识别率较高，且可以排除误检。

2013年WangZ.等釆用训练样本库，在获取交通信号灯候选区域后，采用概率模板匹配算法识别交通信号灯。

2013年，YingJie等根据交通信号灯及其背板的几何特征检测交通信号灯，然后再由色彩空间确定信号灯的颜色信息。此算法只是检测圆形灯，且误检率比较高。

2014年，Trehard等提出了一个相互作用的多模型过滤器来跟踪交通灯的位置和其状态。位置估计精度随迭代次数的增加而与交通灯的距离有着密切的关系。