深度学习技术的发展,促进了人工智能在教育领域中的应用,特别是对教育大数据的挖掘,数学在线学习课堂资源中具有丰富的教育数据,如数学多媒体教学内容画面情感和教师手势画面数据,可被用于辅助改进教学效果。通过运用CiteSpace软件对主题相关的文献进行关键词共现分析,发现研究多媒体画面、多媒体画面语言学对教学效果的影响和教师手势在教学中的研究是当前的研究热点,研究方向逐渐从质性研究转化为量化研究,但仍缺少运用深度学习技术对教学内容画面情感和教师手势数据的深入挖掘。因此,本文结合人工智能技术,分别建立了数学多媒体教学内容画面情感识别模型和教师手势识别模型,可用于深入挖掘数学在线学习课堂中画面数据所蕴藏的特点。数学多媒体教学内容画面中蕴含独特的情感语言,首先根据学习者的直观情感态度,人工标定不同维度情感强度,将画面划分为有趣、欢快、活泼、温馨、枯燥、沉闷和繁乱这七类。其次,数学教学内容画面情感特征复杂,建立了卷积层和池化层各三层的卷积神经网络模型。再次编写数学教学内容画面情感识别算法,然后运用数据集对模型参数进行训练,模型损失处于可接受区间且训练集准确率达93.75%,得到对应的模型参数。最后使用测试集对模型进行验证,测试集准确率达90%,该模型可被用于对数学教学内容画面的情感进行预测分类。教学过程中会运用大量的教学手势,用以表达特定的信息、情感和思想来辅助教学。首先,通过调用人体关键点API技术增强手势特征,人工标定指示性、单手节拍性、双手节拍性、正面习惯性和侧面习惯性五类教师手势图像画面。其次,建立了十层卷积神经网络的教师手势识别模型,然后运用误差反向传播和梯度下降算法使得模型误差达到最小,得到对应的模型参数。最后,使用测试集对模型进行验证,模型测试集准确率高达96%。本文针对数学在线学习课堂画面数据,基于卷积神经网络结构,分别建立了数学多媒体教学内容画面情感识别模型和教师手势识别模型,可被应用于分析数学教学内容画面情感和教师教学手势对教学效果及质量的影响,同时可提升教育机器人在计算机视觉领域应用及其人机交互中的智能化和拟人化。