传统的教学模式一般采用“一刀切”的规模化人才培养方法,这种方法存在一个明显的缺点即:在教学过程中,缺乏师生互动。学生在长时间得不到教师的激励时,会出现所谓的“情感缺失”问题,即学生会逐渐丧失对学习的热情和积极性。“情感缺失”一方面会使得学生产生厌学情绪,另一方面会使得教师因为无法及时掌握学生的情绪进而不能根据学生情绪的变化及时调整课程的进度,使得教师的上课效果大打折扣。如何解决“情感缺失”问题,成了学者们研究的热点。本文针对“情感缺失”问题,提出一种用于辅助大学课堂教学的端到端学生情绪识别系统。该系统使用深度卷积网络实现学生表情识别功能,舍弃了传统表情识别方法中耗时耗力的手工提取人脸特征的步骤,具有“端到端”表情识别功能。该系统通过分析课堂监控视频,实时检测学生在课程中的情绪变化,然后将学生的情绪变化以可视化图表的形式反馈给教师,并对教师提出有针对性的教学建议,可以提高教学质量和效率。本文首先对端到端学生情绪识别系统的功能、性能需求进行分析,并给出系统整体框架的设计,然后设计了系统中的核心模块与非核心模块。随后介绍了该系统的软硬件开发环境,并给出了系统中的用户图形化界面、图像获取模块、表情识别模块等核心模块的代码实现以及表情识别模块的训练过程以及训练的准确率,损失函数的结果。最后设计了两组实验,分别从功能性和鲁棒性两方面对系统进行评估。