随着移动互联时代的到来,人们对学习方式提出了更高要求,希望能够摆脱传统教育的时空限制,因此网络教育应运而生。尽管网络教育依托计算机、互联网等技术手段,引发了教育方式及理念上的深刻变革。但是,由于网络教育具有时空分离的特点,师生之间缺乏情感交互,降低学习效率,阻碍教学优化。因此,如何弥补在线学习中的情感缺失问题,已经成为智能化网络教育管理的研究热点。人脸表情识别是人工智能、模式识别及机器视觉领域的重要研究课题。而基于表情识别的情感计算赋予机器理解人类情感和意图的能力,具有重要研究价值。尽管目前人脸表情识别技术已经取得巨大进展,但由于人脸表情的复杂性和多样性,该领域目前仍旧存在一些难点问题。首先,由于人脸本身存在个体差异,如人的年龄、肤色等,会在一定程度上削弱表情信息的表达,降低识别率;其次,现有的表情数据库通常数据量较少,缺乏数据多样性,训练深度模型易出现过拟合等问题。因此,研究怎样提高实际应用下人脸表情的识别精度及模型泛化能力,已成为表情识别领域亟待解决的难点。针对上述问题,本文提出一种基于差分卷积神经网络的人脸表情识别算法,并将其应用于网络教育中,设计了基于表情识别的智能网络教育管理系统。通过捕捉、识别学习者的表情,分析判断出情感状态,并及时给予相应的干预反馈,从而有效弥补学习者的情感缺失,提高学习效率及教学质量。本文的主要工作有:(1)提出一种表情序列关键帧的检测方法,利用CNN自动提取表情序列的中性表情帧与峰值表情帧,实现算法自动化,减少人工标记的工作量。(2)提出一种端到端的差分CNN表情识别算法,利用CNN自动提取关键帧之间的差分深度特征用于表情分类,避免表情无关特征带来的噪声干扰,提高表情识别精度。(3)设计并实现基于表情识别的智能网络教育管理系统,以情感计算为理论基础、表情识别为核心技术,通过捕捉、识别在线学习者的表情,分析其情感状态并加以可视化输出,为教师提供教学反馈的同时也给予学生个性化的干预帮助。