随着计算机视觉技术的发展,智能化教学成为了研究的热点。智能教学着重关注学生的情感变化以及学习状况。微表情作为一种无意识流露出的面部表情更能体现出学生的真实状态,其对智能化教学的普及有着重大的意义。但是,微表情持续时间短,强度弱,容易受到人脸、光照、噪声等因素的影响。因此,这对研究造成了一定的困难。针对教育场景中微表情检测与微表情识别存在的问题,本文主要研究内容如下:（1）针对教育场景中光照对图像预处理产生的影响,采用基于二维伽马函数的自适应校正算法,来提取光照分量并进行处理,以便降低不均匀光照对输入图像质量的影响;针对课堂中学生头部运动对微表情检测造成的影响,改进特征差异分析法,通过提取相关感兴趣区域,并消除与头部运动相关的特征差异值,来减少头部运动对微表情检测的影响。（2）针对课堂中宏表情出现比较频繁而微表情不常出现的情况,采用迁移学习的方法,利用宏表情来扩充微表情数据库,在一定程度上解决了微表情数据量少的问题,提高识别准确率。采用局部二值模式提取宏表情特征,三个正交平面的局部二值模式提取微表情特征。最后,结合核主成分分析降维,并通过支持向量机进行分类来提高微表情识别准确率。（3）通过三维学习状态,结合课堂中的学生情感,使微表情与学生情感对应。将学生情感进行等级划分,并作出专注度评价,利用学生专注度评价来评判学生的课堂情况。通过上述提出的人脸预处理方法、微表情检测方法、微表情识别方法来设计课堂管理系统,分析课堂学生情感,提高教学效率、并在一定程度上减轻教师负担。此外,本文利用微表情数据库的图像数据进行实验,实验结果表明了所提出方法的有效性。