随着人工智能在社会各领域的普遍应用,“人工智能+教育”也逐渐成为研究热点。在当下的中小学教育实践中,学生自主学习能力已成为很重要的教学目标。为充分培养学生独立自主的学习能力,各级各类学校通过设立自习课,使学生能够脱离教师的指导,独立完成学习任务。由于中小学生的自主学习意识较差,容易受到多方面因素的影响,从而导致自主学习的效果不理想。所以,在中小学生进行自主学习时,还需要受到来自各方面的监督。视频监控作为学校教育教学管理设施的一部分,目前其主要功能只是被用于校园安全监控,而其在教学管理中的应用尚未得到充分重视和发挥。为有效提高视频监控对于学生自主学习能力提高的管控作用,本篇文章通过分析在学生自主学习过程中所涉及的内外部监督,指出利用视频监督的优越性。本文研究了基于深度自编码学习的行为异常检测方法,通过将一种在普遍场景中有良好检测效果的ConvLSTM模型迁移到学校自习课中,结合U-Net网络构建了一种用于检测学生自习课行为异常的U-ConvLSTM模型。U-ConvLSTM模型分为空间编码器和时间编码器两个部分,在空间编码器中全部使用卷积提取输入视频帧的空间特征,时间编码器利用ConvLSTM提取时间维度上的特征。除此之外,该模型在空间解码过程中添加了跳跃连接,将编码过程中丢失的部分低层特征融合在上采样中,增加了模型检测学生了准确度。经实验证明,该模型在训练集中重建视频的准确率为78.07%,检测学生行为异常的准确性为66.7%。和ConvLSTM模型的重建准确率为72.30%,异常检测的准确性为60%相比,该模型确实有效提高了检测学生异常行为的准确性。最后针对如何提高视频监督在教育管理上的有效性提出了应用建议。视频监督有效发挥作用还需要技术手段的提高、教育管理人员的重视和教师的合理利用。