路名牌信息是城市地理信息的重要组成部分之一,准确、高精度的路名牌信息对于城市规划、交通控制以及应急响应等具有重要的作用。在“数字城市”中,路名牌的更新换代也是其中的一项重要内容。近年序列影像的目标检测与识别受到越来越多的人的关注,通过序列影像对目标进行检测是计算机视觉技术、图像处理技术和人智能技术等交叉的科学技术,通过对目标用影像处理进行分析,完成定性分析和定量测量。本论文里,通过车载移动测量系统搭载的数码相机获取的影像序列中检测、识别目标。路名牌的快速、准确的识别属于信号识别需解决的重要课题,还是影像处理、模式识别、机器视觉等多学科相互影响的一个研究热点。然而,由于不确定自然条件、系统的实时性要求、载体的行驶速度和设备的功能等因素,目前没有一个比较完善和完美的识别方法。这意味着,快捷、精准地检测出路名牌即相关信息是很有难度的。本论文中,基于车载序列影像,借助matlab,python-OpenCv,Anaconda3等软件,论文论述了路名牌标志定位算法,其基本原理是结合基于颜色的目标标志预处理和基于目标形状精确定位,实现识别提取出路名牌标志。路名牌检测是在输入影像中找到所需路名牌。本文提出的基于颜色的检测算法针对路名牌标志的特点,通过检测图像中的蓝色阈值定位大概的标志区域,解决了相似颜色干扰及多种表示同存的现象;基于形状的检测算法通过检测图像中的矩形形状定位出矩形标志,根据之前的阈值处理得到的模板,在感兴趣区域中寻找契合度最高的目标,即得到路名牌。实验结果表明,基于颜色和形状特征的匹配算法有较高的检测准确率,得到结果与预期相符,证实了该方法的可用性。除此之外还使用深度学习基于TensorFlow框架,采用SSD+mobilenet模型的方法对路名牌进行检测识别与提取,这种方法更适合大数据路名牌时候。