伴随着当前我国现代云计算、物联网、大数据等新兴时代互联网不断加深加快,智慧新兴产业将向社会不断迈步,走上新的产业时代和发展高潮。其中智慧教室建设充分体现了智慧科学技术在我国高等教育现代信息基础技术的日益成熟,智慧产业发展改革步伐将进一步在更多领域中广泛运用,也就是这样使得"智慧校园"建设成为我国高等教育科学技术领域中新的一个研究热点。目前,沿袭传统的考勤模式还未满足学生日常打卡和考勤管理需求。因此,学校亟待一个更为完善智慧化的自由课堂考勤管理模型,以有效地保证学校在教学和考勤管理方面的效果。考勤模型是管理体系中很重要的一环,而健全的考勤管理体系又能够保障课堂教学工作的顺利进行。充分运用了物联网技术的力量,保障了在考勤模型上正确、有序地得以贯彻和落实,加速了智慧课堂成熟和落地的未来时期提前到来。本文的主要工作如下:（1）对卷积神经网络相关理论进行介绍。首先简单阐述了卷积神经网络的卷积层、池化层、全连接层、Dropout、监督和无监督深度学习以及常见的深度学习模型和卷积神经网络在其他领域的应用;其次分析了激活函数和损失函数;最后介绍了训练神经网络所需要的梯度下降算法和前向传播及反向传播。（2）通过对三种最为经典的卷积神经网络模型的架构及其特点进行分析,提出一种新型的卷积神经网络模型架构,将Alex Net网络中第一个卷积层拆分成三个卷积核代替,同时将第二个卷积层用两个卷积核代替,最后删除一个全连接层,不仅大大减少参数,还可以保证拥有更多的非线性变换,增加了网络结构对特征的学习能力。（3）使用公开数据集（RMFRD和SMFRD）以及非公开校园对象数据集（COD）并通过Open CV的人脸识别算法进行仿真实验,通过测试可以发现所提出的网络模型框架相比于其他先进神经网络模型的损失值更低,同时在识别精度方面所改进的模型也可以更有效地提取局部特征并检测人脸。