目标检测的任务是定位图片中目标的位置,包括分类和定位两个子任务。作为计算机视觉中基础的问题,目标检测与许多其他问题密切相关,如行为分析、人脸识别和自动驾驶。随着信息化教学的兴起,教学视频作为信息化课堂的宝贵资源,是分析学生课堂活跃度、专注度的重要依据,也是评价教师课堂教学水平以及有的放矢地提高学生学习效率的有效途径。我们将目标检测应用于教室场景,自动化地检测教学相关的行为,但是在真实的教室中,存在着多尺度、背景复杂、光照条件多样和遮挡等难点。本文首先提出了将课堂视频中教学相关的动作检测转化为图像上的多目标检测,并定义了要检测目标包括站立、举手和老师。对于在教室中的进行目标检测面临的难点,我们提出基于R-FCN的改进算法,主要的改进为:1)使用多尺度的特征图来进行检测,利用更大分辨率的特征图来提高较小目标的检测效果。2)使用RoIAlign技术来去掉RoI Pooling中的近似操作,为每个区域提取更为精确地特征,提升定位的精度。3)使用Soft NMS来处理目标之间重叠和遮挡的问题,来减少预测框之间因为相邻较近或部分重叠而被去除的情况。本文中同样介绍了我们构建的教室场景下目标检测数据集,然后在我们的数据集上与主流的目标检测算法进行对比实验和比较,并针对每一个改进点进行对比和分析,证明我们算法的有效性和每个改进点对我们算法的贡献。