智慧教室多类别人物检测与识别在教育上具有重要的意义,该技术的研发不仅可以实时了解到学生是否认真听课、学生的具体上课状态,并能够反馈出一节课中每个学生的专注度分布趋势,对此作出针对性的上课课程安排,提高教学质量,也可以让家长了解到学生在学校的具体上课状态以及教师上课质量等信息,对教育进步具有一定的推动作用。本文基于深度学习研究教室场景下人体姿态检测与识别相关技术,提出基于SSD算法来对教室人物进行检测与识别。本文研究方法将整个检测识别过程分为:人物坐标位置回归、姿态分类以及工程化设计三步,实现在复杂教室场景下的对人物位置进行实时检测并识别该时刻人物上课状态。本文针对检测阶段,分析SSD算法的特点,利用SSD提取多层卷积特征,并从骨架网络提取多尺度特征图,基于特征图设计不同数量及宽高比的候选框,检测不同尺度下的目标人物;在最后预测出每个目标的位置,检测准确率达到98.9%,召回率91.9%。姿态分类阶段,使用Res Net网络结构提取特征,结合实际使用需求,设计不同网络结构、输出通道数、卷积级联,提取不同深度的目标特征进行判断,实现对人物多姿态的分类,分类准确率达到99.2%。对课堂信息进行工程化设计,用可视化数据对上课状态进行描述,并反馈,从而完成整个智慧教室人物检测与识别系统的设计。在基于Caffe的私有框架及数据集进行实验,并在不同的场景进行应用,证明本文算法在一定程度上适用于教室多类别人物姿态检测与识别,能够在一般环境中有效反馈出学生上课状态,提高教学质量。