自深度学习兴起后,发展至今在各个领域的应用都取得了巨大的成功。目标检测是深度学习的一个重要研究方向,用来检测图像中的某个既定目标。其应用场景随着技术发展也逐渐涉及到教育行业。在一般课堂场景中,学生的课堂学习动态的掌握,主要通过教师课堂提问与课堂观察等人工监督方式来进行,该方式存在学生课堂信息传递与反馈的片面、滞后等问题。使用基于深度学习的学生课堂行为监督方法,学校可实时、高效地掌握学生课堂动态。本文主要的工作和研究结果包括:（1）针对现有研究中适用于课堂行为检测研究的数据集较少,大多数研究存在实验数据不规范的问题。因此,本文提出了一种规范的课堂行为检测数据集作为本文验证实验的基准数据集之一。该数据集以学生为主要目标摄于高校中某课堂真实场景,且从拍摄视频中逐帧筛选出具有代表性的一千多张高分辨率以及带有明显动作行为的图像作为样本,涵盖十类行为,且每张图像中的目标类标签都带有由人工手动标定的精确位置。（2）学生行为检测须满足实时的条件,因此选用推理速度较快的Yolo-v5（You only look once-v5）作为基础模型。此外本文分析了Yolo-v5模型特点,在进行实时检测时模型捕捉到非结构化关键信息后,因课堂场景较复杂,存在细粒度特征表现力不强的问题,最终会影响其检测性能。因此为了提高Yolo-v5在课堂场景中的性能提出了一种新的实时检测模型—Yolo-v5+GCT（Yolo-v5+Gated Channel Transformation）。在满足实时检测的基础上提高了Yolo-v5的特征表现能力。为了证明本文改进方法的可广泛适用性,提出与SSD（Single Shot Multi Box Detector）、Yolo-v3等模型在该数据集与另一公共数据集上进行对比实验。结果表明,本文方法具有更好的性能,且具有良好的适用性。（3）分析学生课堂行为数据集,其存在人数密集、小目标多、光照不均以及环境干扰项复杂等情况。Yolo-v5+GCT虽然提升了原模型的关键细节特征的表现能力,但针对复杂图像的关键特征提取还存在提取能力不足以及关键特征提取不充分等问题。因此基于Yolo-v5+GCT模型提出一种新的检测模型Yolo-v5+GCT+CBAM（Convolutional Block Attention Module）。为了验证其是否有效,本文使用消融实验策略形成三组实验模型（Yolo-v5+GCT、Yolo-v5+CBAM、Yolo-v5+GCT+CBAM）进行实验,结果表明,本文提出的Yolo-v5+GCT+CBAM模型综合性能要比其余两种模型效果更好。