Pendeteksian dan pengenalan rambu lalu lintas merupakan bidang yang
berkembang dalam ITS (intelligent transport system). Berbagai metode telah
dikembangkan pada beberapa penelitan mengenai pendeteksian dan pengenalan
rambu lalu lintas untuk mendapatkan hasil yang optimal. Kompleksitas yang
timbul diakibatkan pendeteksian dan pengenalan rambu diberbagai lingkungan
yang bervariasi.
Dalam penelitian ini metode deteksi warna dan deteksi bentuk diterapkan
pada proses pendeteksian rambu pembatas kecepatan. Deteksi warna pada ruang
warna HSV (hue saturation value) dioptimasikan untuk mendapatkan warna
merah dari rambu pembatas kecepatan diberbagai kondisi pencahayaan. Deteksi
bentuk CHT (circle hough transformation) digunakan untuk mencari bentuk
lingkaran rambu pembatas kecepatan. Setelah ditemukan daerah citra rambu pada
sebuah citra, dilakukan proses ekstraksi fitur untuk mendapatkan ciri-khas citra
rambu pembatas kecepatan. Pada tahap pengenalan digunakan jaringan saraf
tiruan backpropagation untuk mengklasifikasikan citra sesuai dengan kelasnya.
Metode-metode yang diusulkan, diimplementasikan pada sebuah
perangkat mobile yang dilengkapi dengan kamera yang dapat melakukan
pemrosesan secara real-time. Pengujian dilakukan dengan melihat tingkat
keakurasian dan kecepatan yang diperoleh pada saat pendeteksian dan
pengenalan. Hasil pengujian tingkat keakurasian mencapai sampai dengan 91,8%
dengan kecepatan sekitar 2,63 fps (frame per second) dan setelah dilakukan proses
optimasi warna menjadi 93,3% dengan kecepatan sekitar 1,53 fps (frame per
second) .