红绿灯状态检测系统设计与实现 —— 基于LISA交通信号灯数据集的YOLOv12深度学习模型与UI界面

1. 项目背景与研究意义

在智能交通和自动驾驶领域，交通信号灯检测是环境感知的核心任务之一。准确识别红绿灯的状态（红灯、绿灯、黄灯或熄灭）直接影响车辆的行驶决策和安全保障。尽管现有多传感器融合方案不断发展，视觉基的信号灯检测仍是性价比高且应用广泛的方案。

本项目基于经典且公开的LISA交通信号灯数据集，利用当前最先进的YOLOv12目标检测模型，构建红绿灯状态检测系统。系统不仅支持高准确率检测，还集成了交互式UI界面，方便用户实时监测并展示检测结果。

---

2. 交通信号灯状态检测的技术难点

• 小目标检测：红绿灯在图像中尺寸较小，且距离变化大。
• 光照变化：不同天气、时间导致光照条件复杂。
• 多状态识别：红灯、绿灯、黄灯不同颜色及熄灭状态判定。
• 环境干扰：树影、车辆反光等易造成误判。

---

3. 参考数据集介绍：LISA Traffic Light Dataset

3.1 数据集概述

• 发布者：加州大学圣地亚哥分校