人脸识别技术是目前计算机视觉中的热门研究方向之一,已经应用于很多领域中。同时“抬头率”已经成为判断学生学习的专注程度,检验课堂教学效果的重要因素之一。因此本文设计开发了基于人脸姿态识别的听课状态反馈系统。首先介绍了人脸识别技术以及基于视觉的课堂教学评价方法两部分的国内外研究现状及研究意义。其次阐述了本算法所用的卷积神经网络的功能以及实现效果,对YOLOv5s的人脸识别原理及其损失函数进行概述。然后设计实现了人脸定位识别的算法。通过数据集的制作,图像的预处理,初训练的结果分析,以及算法的改进和改进后结果分析与对比,多方面结合来实现人脸姿态的定位识别。YOLOv5s训练模型经过初训练结果的识别准确度在0.985,达不到本课题应用要求,在算法实现过程中,对模型进行了针对性改进,在保证其速度的情况下,将YOLOv5s训练模型中参数进行整体调整,增加模型的深度和宽度,形成新的模型体系,再次进行数据集的训练,经过训练前后的识别结果对比发现,改进之后的模型保持了原有模型的速度优势,并且识别准确度达到了0.996。为了进一步检测识别效果,本算法对较暗环境下的图像进行了识别测试,发现识别结果可以达到0.877,符合应用要求。在此基础上本算法又将识别参数Conf与IOU等进行调整,使识别结果更加清晰。实验结果表明,改进之后的系统在不影响识别速度的情况下将准确度提高了0.05以上,并且达到无遮挡图像人脸检测平均速度在1.3秒以内,可以快速识别出课堂学生的听课状态,符合课堂教学实时监测要求,对于有遮挡的人脸识别置信度也可以达到0.6以上,满足特殊情况下的人脸识别需求,为课堂学生学习状态的监测提供依据。最后是总结与展望。对本算法的学习内容、研究和设计开发成果进行总结,并展望了未来的工作。