随着互联网的迅猛发展,在线视频学习成为了人们自主学习的重要途径。但是很多开放教学视频并没有提供课件的电子文档,这对学习者带来了极大的不便。为此,本文设计并实现了一个基于CNN的在线教学视频课件内容提取系统,该系统能够把视频中的课件页面转换成一个可编辑的电子文档,供使用者利用。本系统主要分为视频帧提取、页面对象分析、文本识别和文件生成四个模块。其中视频帧提取模块是从在线视频中截取屏幕图片并处理为课件页面;页面对象分析模块把获取的课件页面分割为不同的对象区域,并分类为图片、表格、公式和文本中的一种;文本识别模块使用开源的CRNN模型把文本区域图片识别为文本;文件生成模块按照课件原始的布局利用python-docx库生成一个可编辑的docx文档。页面对象分析模块的算法分为分割算法和分类算法。对于分割算法本文提出了基于模式匹配的投影RLSA算法,该算法首先对输入图片进行水平或垂直方向的投影,并对投影的二值化结果采用一维RLSA算法进行迭代地分析并判别分割点,得到了良好的分割效果。分类算法提出了一种双通路混合卷积网络,该网络分别训练一维和二维的Alex Net网络作为特征提取器,并采用一个三层双通路全连接层进行最终的分类。该网络在ICDAR2017 POD数据集中达到了98.02%的分类准确率,是基于深度网络方法中的最佳分类效果。对系统的实现而言,视频帧提取模块中对截屏图片利用对应像素相减和像素投影的方法进行重复帧检测、黑边去除、课件页面判别等处理。在页面对象分析模块中,采用客户端-服务器的架构,分类模型部署在服务器,客户端通过向服务器传送区域图片获得分类结果。在文本识别模块对文本区域进行基于投影的单词分割,以在单词间添加空格。在文本生成模块中设计了一系列排版信息参数,并以此恢复课件的原始布局。该系统对布局不复杂的浅色背景课件页面取得了不错的恢复效果,实现了完整的基于CNN的在线教学视频课件内容提取系统。