在数字技术飞速发展的今天,互联网、数字媒介、视频媒介等技术的快速成熟使得视觉元素占据了信息载体的很大一部分比重,而文字作为其重要的表现形式也是在不断地发展,呈现多样化的形式。与此同时我国对于字体版权的保护也逐渐严格,近年来发生多起由于违规使用商用字体而被索赔的事件,索赔金额高达几十万到几亿不等,因此对于图片中字体的识别相当重要且具有巨大的商业价值。不仅如此,随着深度学习技术的发展,文档分析技术已经从文本识别向着更高级的文档理解发展,挖掘出更多的文字属性特征如字体、颜色等对于版面恢复和文档理解有着极大的帮助。本文在综合研究了国内外现状的基础之上,基于现有的深度学习技术,分别设计了字体识别算法模块和文字颜色提取算法模块,同时结合现在较为成熟的OCR（Optical Character Recognition,光学字符识别）技术和 Flask 后台 Web 框架最终搭建了一套文字字体与颜色识别系统。本文取得的主要研究成果如下:1)提出了基于度量学习的字体识别算法模块。收集了 700种字体,设计自动数据合成算法构建数据集,搭建度量学习网络模型结构实现从输入图片到字体特征的映射,最终通过特征之间的度量实现字体的分类。同时引入识别框架,进一步提高了Top1的准确率,达到69.28%。2)提出了基于文字分割网络的文字颜色提取算法模块。在传统的颜色提取算法中结合图像分割技术,分割出文字所属的区域,有效地抑制了文字背景对于颜色提取的干扰。本文设计的网络结构有两条分支,分别进行原图的信息监督和文字区域的信息监督,实验结果表明本文的网络只需少量的训练样本就有不错的泛化性能。3)搭建了一套文字字体与颜色识别系统。引入成熟的OCR文字识别框架,实现了从图片输入到图中各段文字的字体和颜色识别结果输出的端到端系统设计,最终完成Web端的可视化demo展示。