教室是当代大学生课余自习的主要场所,目前很多高校教室资源都普遍存在紧张的情况。因此帮助学生寻找教室空座成为一个研究热点,对教室空座进行实时准确的检测识别是研究的核心。为了解决高校学生寻找自习教室和高校教室资源的利用等问题,采用深度学习目标检测算法对高校教室人数进行统计,设计了教室空座智能检测系统,协助高校学生查找教室空座分布情况和提高高校自习教室的使用率具有重要意义。教室空座智能检测系统流程为:首先对采集到的教室视频图像进行预处理,预处理包括色彩均衡的光线补偿、直方图均衡化、教室座位区域自动校正。教室图像数据集的处理改善了摄像头成像的质量和透视成像的弊端,得到教室座位区域的待检测感兴趣区域。然后利用基于深度学习的检测算法对人头进行检测。为减少模型参数,减轻计算机的硬件负担,采用深度可分离卷积来减少模型的参数以便构建轻量化深度卷积神经网络模型。采用残差网络思想来解决训练过程中的模型的退化问题。得到根据人头的形状特征统计人的个数情况,最终得到教室空座分布情况。针对学校部分不同的教室情况进行了实验分析,该系统能够有效地检测出当前教室空座的具体分布情况。在实际场景教室空座智能检测中取得了较好的效果,最终基于检测算法设计开发了方便学生使用的找座位微信小程序。实验结果表明:在不同时间段和不同教室的情况下,教室的平均正检率都较高。并且测得教室空座分布情况与实际教室空座情况进行了对比,两者基本一致,说明通过深度学习的目标检测算法对学生检测是切实可行的。