随着互联网技术的逐渐成熟,互联网教育应运而生。利用计算机视觉技术提高互联网教育课程质量对互联网教育的进一步发展有着至关重要的作用。在此背景下本文提出了以下研究目标:以深度学习目标检测与行为识别算法为基础,实现一套教室场景下运动目标行为检测系统,实时地对目标进行检测,并移动摄像头完成对目标的视频录制。论文的主要工作包括以下三部分。第一部分是运动行为检测算法原理的研究。这部分包括对运动目标检测算法和行为检测算法的研究,包括经典运动目标检测,利用人工设计特征进行行为检测和利用深度学习网络进行行为检测。其中运动目标检测算法包括CodeBook,ViBe和GMM算法;基于人工设计特征的行为检测算法包括HOG特征,SIFT特征等传统手工算子与分类器和光流法的结合;基于深度学习的算法包括基于区域提议的目标检测算法和基于回归的目标检测算法。这部分为进一步的研究打下了理论基础。第二部分是教室场景下行为检测算法的实现。这部分包括收集教室场景下行为检测数据集,实现不同算法在教室场景下对目标行为进行检测,分析并对比不同算法的优劣性,为下一步的系统实现提供核心技术保障。第三部分是整体检测系统的具体实现。综合分析不同算法模型的性能,设计了一种基于深度学习的教室场景下运动行为检测系统的解决方案:采用双摄像头配合的方案来达到很好的视频录制效果。本文阐述了该系统原理及实现过程,然后通过C++语言在Windows平台上实现了完整的系统,满足实时性,达到了预期效果。