行车灯语是交通流中车辆之间直接进行驾驶行为信息交互的一种主要方式。实现车辆尾灯的自动检测与灯语识别不仅具有重要的研究意义,同时还有着广泛的应用前景。然而白天时,如何使用图像信息有效的检测出真实城区道路环境中的车辆尾灯并识别出其基本的灯语含义仍是一个具有挑战性的问题,本文对该问题进行了研究,主要工作内容包括：1：提出了适用于真实道路环境下的车辆尾灯检测方法。首先,根据白天道路环境中车尾灯区域颜色分布的统计信息,设置了颜色分割的阈值。并使用由HSV颜色模型提取出的区域设置不同的加权系数,进而使用该系数对增强分量的RGB图像进行非线性变换,从而得到了较好的分割结果。然后,利用尾灯对具有的对称性特点,设计了使用位置和面积约束条件进行尾灯配对验证的方法。最后使用Kalman滤波算法对尾灯对进行跟踪,并利用帧之间车尾灯区域的位置信息进行尾灯的关联,实现对车尾灯稳定有效的检测。2：提出了一种新的车辆尾灯基本灯语识别方法。首先,对刹车灯和转向灯被点亮时的发光方式进行了分析,并对刹车灯语、转向灯语以及灯不亮时的特点进行了研究,据此提出了使用支持向量机(Support Vector Machine,简称SVM)两级分类器识别灯语信息的方法。然后,根据每一级分类器具体的分类任务,设计分类特征进行分类器的训练和进行分类判断,并对不同的分类特征设计方法进行了讨论和实验验证。最后,将得到的分类结果结合转向灯的亮度及频率信息得到了最终的灯语识别结果。最后对本文所提出的方法进行了实验与讨论,在实际道路图像上进行的实验中本文车辆尾灯检测方法的正确率为94.6%,灯语识别方法的正确率为79.8%。