二维条形码在物流运输、身份识别、广告行销和电子商务等很多方面具有广泛的应用前景。但由于其格式多变并且背景复杂,目前尚没有一种很好的定位技术可以在多种材料(如塑料、金属、纸张)表面准确地定位二维条形码,限制了二维条形码的进一步应用。受计算机视觉中物体检测方法的启发,本文提出使用基于机器学习的方法来定位二维条形码。该算法首先将输入的数字图像分成一个个图像子块,对每个图像子块提取一个能够描述图像纹理特点的特征向量。再以特征向量为输入,使用自适应Spatialboost算法对图像子块进行分类,判断图像子块属于二维条形码还是背景。最后对所有图像子块的分类结果进行后处理,输出最终定位结果。自适应Spatialboost是我们在Spatialboost的基础上提出的一种机器学习算法,它可以自适应的把子块自身的纹理特征和子块间的空间关联性结合起来。在对单个图像子块进行分类时,不仅考虑到该子块的纹理特征,同时还以与它相邻的子块的分类结果为依据,提高了分类的准确率。在测试集合上进行算法评估,本文算法取得了令人满意的性能。