随着深度学习技术的不断发展，基于计算机视觉技术的智能课堂学生行为识别系统被越来越广泛地应用于高校教学中。本文提出了一种基于YOLOv5网络结构的智能课堂学生行为识别系统，该系统能够通过减少背景信息的权重，实现多个学生的精确跟踪和检测，并大幅提高识别准确性。本文还详细介绍了系统的输入图像预处理过程及YOLOv5网络结构，包括卷积层、金字塔网络和路径聚合网络的设计方法。最后，本文通过与传统学习行为识别方法的比较实验，证明所提出的基于YOLOv5的智能课堂学生行为识别系统具有较高的准确性和有效性。