二维码因具有发布快捷和成本低廉的优势,已经成为互联网时代全新的沟通语言和工具,是信息识别领域的关键技术。但是由于传统二维码不具有人眼识别的语义信息,导致用户的使用感不强,因而涌现了多种改良的技术方案,但在人眼可识读语义信息方面仍未达到最优。因此为实现二维码同时适合机器和人的识读,提出了一种基于图像边缘编码的二维编码图像技术,将编码ID存储于图像的边缘中,使二维码的语义信息达到最大化。由于此方案中二维编码图像无定位标识点,用传统的图像处理技术对其定位识别比较困难。而随着深度学习的发展,计算机视觉得到广泛的应用,其中目标识别具有自动提取目标特征进行定位识别的强大学习能力,使二维编码图像的定位识别得以解决。本文基于深度学习对二维编码图像进行识别与定位的算法开展研究,主要工作如下:(1)提出了基于图像边缘进行编码的二维编码方案。与其它编码方案不同,本次二维编码方案是基于图像边缘百分之十的部分进行编码,将编码ID存储于图像的边缘中,使二维码的语义信息达到最大化,可同时适用于机器和人识别。并且针对后续定位识别问题,设计了完整的二维编码图像编码边框颜色选取方案,选取了每个通道上颜色值在图像边缘区域最少,且在颜色空间上与最多的颜色值不相邻的颜色值作为二维编码图像编码边框的颜色,有利于二维编码图像的定位识别以及后续的编码识别。(2)改进SSD算法使其适用于二维编码图像的定位识别。与QR码等二维码不同,基于图像边缘编码的二维编码图像没有定位标记点,在复杂背景中用传统的图像定位技术定位二维编码图像比较困难,因此提出将深度学习应用到图码结合的二维编码图像这个新技术当中,通过采用改进的SSD算法,利用多尺度特征复用,将二维编码图像从复杂的背景中识别出来。该算法针对小目标的识别特点,去掉了原有的空洞卷积层并选择浅层图层进行特征融合。(3)数据集创建与增广。由于深度学习是建立在大量数据的基础上,本论文提出通过电脑生成相应的数据集,利用生成的数据集去训练网络,通过合成的数据集进行网络测试,最后增加真实的图片做进一步验证。在数据集中,除了旋转粘贴二维编码图像于背景图上所生成的数据集图片,还包括在背景图上直接粘贴无编码的二维图像作为负样本的数据集图片,以及直接在背景图上加入相应的编码部分特征作为正样本的数据集图片,从而增加了网络的适应性和鲁棒性。(4)具体提出了完整的二维编码图像的编码方案,并对二维编码图像进行编码识别。针对改进的SSD算法检测出来的二维编码图像定位结果,按照二维编码图像边框颜色的特点,将其提取出来,进行编码识别。并且使用了真实照片进行测试,对二维编码图像进行识别,完成了基于深度学习的二维编码图像的目标识别任务。