以学生为主体的课堂教学中,学生的学习状态与知识的获取情况对于教学过程优化显得尤为重要。然而由于课堂学生人数众多,仅通过教师观察与评价的传统方式不能及时且全面地对学生的学习情况进行掌握和反馈。随着计算机视觉、人工智能等新技术,不断发展和成熟,为实现教育领域的智慧化应用提供了技术支持,本文旨在通过采用基于深度学习的学生课堂表情和头部姿态的智能检测和识别技术,结合课堂专注度与个性化学习理论,实现对课堂专注度自动分析和评价,为教师开展学情分析、改善教学方式、实现个性化教学提供有效途径。本文主要研究内容如下:(1)采用基于TensorFlow+python的深度学习框架,进行课堂中学生人脸的实时检测和定位,并实现课堂中出现的7种表情的分类与识别;同时,利用OpenFace2.0面部识别模型完成对课堂中学生的头部姿态的实时检测和识别,获取学生课堂中头部仰俯角与偏转角。(2)结合学生课堂面部表情和头部姿态,设计了一种课堂专注度评价方法。该方法首先根据课堂表情以及头部仰俯、偏转角度的不同变化幅度进行专注度等级划分,并分配权重,然后使用模糊综合评价的矩阵算法对课堂专注度进行分数评定,从而实现将专注度这类较为模糊的问题精确处理。(3)以Django作为网站设计框架、Python作为主要开发语言设计并实现专注度评价系统的可视化平台。该平台通过将模糊综合评价中获取的专注度分数以不同的可视化形式展示给学生与教师,并给予具体的反馈建议。同时,该平台支持视频回看,便于师生明确分析问题原因并及时进行改进。(4)以云南师范大学学生为研究对象采集课堂视频数据,对学生个体和整体在不同时间段进行课堂专注度分析与评价,通过设计课堂专注度评价量表让教师进行人工评分,将其结果与本文开发的评价系统评定的课堂专注度分数进行相关性检测,验证了评价结果的合理性。