计算机视觉是一门利用硬件和算法让计算机从图片中或视频中读取信息的科学。计算机视觉包含图像分类技术、对象检测技术、目标跟踪技术、语义分割技术和实例分割技术等多种技术。而其中图像分类、对象检测等技术发展较为成熟,已被广泛应用。在教育领域,由于学生基数大,教师资源相对较少,导致教师无法实时地、完全地掌握学生的上课状态,教师与家长无法更有针对性地帮助学生。解决这一问题,可以有效提高学生的听课效率,帮助学生养成良好的学习习惯。针对该问题,本文提出基于深度学习的学生签到及上课状态检测系统,通过使用人脸检测、人脸识别、表情检测和疲劳检测四种深度学习图像分类和对象检测算法来判断学生的听课状态,并将检测识别的结果存储并显示在上位机上。搭配高计算能力的硬件平台,使该系统对视频的处理、分析能力满足实时性要求。首先将系统分为数据采集子系统、检测子系统和存储及可视化子系统,并据其功能提出了各个子系统的设计要求,描述了课题中发现的人脸识别算法对亚洲人脸识别能力差和表情识别算法的人脸检测能力差两种主要挑战。然后给出了系统软件和硬件设计的方案,搭建了硬件平台。之后给出了系统软件的具体设计方法:首先介绍了数据采集子系统的数据通路搭建,然后在检测子系统中完成了对输入图像的转码,设计了子系统内和子系统间的数据格式标准。之后介绍了所使用的人脸检测、人脸识别、表情识别和疲劳检测算法的结构与原理。针对高清图片人脸检测准确率低的问题,修改了多项参数,大幅度提高了网络准确度;针对亚洲人脸识别准确率低的问题,使用亚洲人脸库进行了调优训练;针对表情识别算法在噪声较大的图片中识别不到人脸的问题,修改了其中的人脸检测算法,提高了算法检测的准确率;针对疲劳检测算法中限制输入图片大小的人脸检测算法,改进了人脸检测算法,不仅提高了整个算法的速度,还让疲劳检测网络可以识别高清图片中的人脸。其中人脸检测算法准确率达到了97.52%,人脸识别算法准确率达到了92.20%,表情识别算法准确率为61.30%,且部分算法速度提高,子系统总参数减少。最后给出了存储及可视化子系统中进行学生签到和上课状态判定的软件设计,软件带有可视化用户界面。测试与验证结果表明,系统能够很好地满足图像采集、检测识别、结果判断、存储和上位机显示的设计要求,且该系统的检测识别在服务器上每秒可以处理5张图片,嵌入式边缘计算平台上每秒可以处理1张图片,达到了课题要求的速度效果。