近年来,在新冠疫情和“互联网+教育”的背景下,在线学习已经成为受教育者群体接受教育的重要辅助形式,已由最初的新鲜感逐渐走向系统化、常态化。学生线上学习的关注程度,在学习上的投入程度等都影响着在线教学的质量。参加线上学习的学生由于缺少“课堂临场感”、缺乏有效地监督和指导以及受自主学习能力、自身学习意志等因素的影响,对教学内容的关注度下降,影响其学习的质量和效果。因此,研究学生线上学习的关注度对在线教育教学的发展具有重要的现实意义。基于面部特征的线上关注度检测与判断方法,融合眼部疲劳特征和眼部注意力状态研究线上关注度。通过人脸识别、人眼定位、人脸矫正、求取虹膜和瞳孔的中心位置,实时提取并分析疲劳特征参数和视线注视方向,完成线上关注度判断。本文研究的主要内容如下:（1）采用Dlib库提供的基于方向梯度直方图的人脸检测方法,检测视频图像中的人脸。为减小头部左右偏转的姿态对视线注视方向判断的干扰,采用计算左右眼睛的2个外眼角所在直线与水平线之间倾斜角度的方式,分析人脸是否正视屏幕,对未正视屏幕的人脸图像进行矫正。（2）提出改进的瞳孔中心定位方法,在已矫正的人脸图像中重新定位眼部特征点,使用眼部图像掩模的方式获取眼部图像,通过双边滤波、灰度图像腐蚀等操作获得虹膜和瞳孔区域二值图像的轮廓,进而求出瞳孔中心的位置。通过对比测试,验证了改进的瞳孔中心定位方法具有较好的定位效果。（3）建立线上关注度评判标准,依据人疲劳时眼睛的表征,获取眼部疲劳特征参数进行疲劳检测;根据瞳孔中心在整幅眼部图像中的位置,判别视线注视的方向,从而分析眼部注意力状态。通过对眼部疲劳状态和注意力方向的融合分析,判断线上关注度。实验测试结果表明:在人脸无任何遮挡的状态下,基于面部特征的线上关注度检测与判断的方法能够较好地定位瞳孔中心位置,并分析眼部注意力状态、判断是否疲劳,对学生线上关注度做出有效判断。