近年来,智慧课堂的理念获得了很多关注。其中十分重要的一个应用就是实现对教学场景的视觉语义理解,即对出现在该场景中的目标进行建模,完成对此类场景的有效分析、认知和表达。为了实现这个目的,首先就需要准确识别出该场景中出现的物体,并获取其位置和类别信息。基于深度学习的目标检测器被广泛用于解决此问题,以实现更准确的性能。但是在教学场景中,实现检测任务会面临待检测目标的密集分布和严重遮挡的问题,通用检测器的性能难以满足实际需求。因此,在通用检测器的基础上,本文研究了一种可用于教学场景中的目标检测模型,主要内容如下:1.构建了针对教学场景的数据集。该数据集囊括了教学场景中常见的十类目标,并为每个实例提供了标准的矩形框标注。数据集中的目标存在密集分布的现象,符合该场景中常见目标的分布特性。该数据集的提出,为研究教学场景的相关科研工作的发展提供了数据基础。2.研究了基于部件选择的室内人员检测算法。利用对候选框进行子区域划分的方式,提取子区域中判别性强的部件,来改善室内场景中因为遮挡而导致对人员目标的检测性能普遍较低的问题。本文所使用的方法可以有效提升室内场景中对遮挡人员的检测效果。3.研究了使用双支路语义感知的密集目标检测算法。通过不同锚框生成机制有效结合的方式提升检测器对密集目标的检测性能。在anchor-free支路中使用了基于特征谱语义感知的关键点预测,来获得锚框的位置和尺度信息,并使用特征自适应匹配模块增强该支路的检测性能。使用本方法可以提升检测器在教学场景中对密集多目标的检测性能。4.研究了使用自适应非极大值抑制(NMS)的密集目标检测算法。在获得检测结果的后处理阶段,使用固定阈值的非极大值抑制算法在密集程度不同场景中会造成漏检和误检的问题。本文使用对场景密集性敏感的网络模型来自适应调整非极大值抑制后处理过程的阈值,增强算法对不同场景的适应性,从而优化最终的检测效果。