自动交通标志识别（TSR）期望在智能交通系统中的实时应用具有较高的准确性和速度。卷积神经网络（CNN）在公共数据集GTSRB上产生了最先进的性能，但涉及密集型计算。 本文提出了一种利用计算效率高的特征提取和分类技术，并采用扰动策略来提高交通标志识别精度的方法。 在GTSRB数据集上，使用梯度方向直方图，特征和学习矢量量化（LVQ）分类器可达到98.48％的测试准确性。 使用图像平移的简单扰动操作，将精度提高到98.88％。 准确性高于单个CNN，并且速度要高得多。