随着现代人工智能技术的迅速发展,教育领域也迎来了智能教育的新时代。姿态识别和表情识别技术的迅速发展正助力智能教育的变革,成为现代智能教育的重要研究基础。姿态识别技术和表情识别技术是通过计算机捕捉人体姿态信息和人脸面部表情,利用人工智能算法进行分析,赋予了计算机自动识别、理解人类身体情感的强大能力。经过大量的相关文献和研究发现,目前在智能教育领域,姿态识别技术和表情识别技术主要被广泛应用到网络教学环境下的学生学习行为研究中,用来帮助解决网络教学环境下师生交流过程中产生的情感交互功能缺失的问题。而对于目前传统教学课堂环境中如何应用人工智能,利用姿态识别技术和表情识别技术对学生课堂学习注意力行为评价的研究还不是非常广泛。课题的主要研究内容是结合学生头部姿态活动以及学生面部情感变化,提出了一种适用于传统课堂教学中的学生课堂注意力评价检测方法。主要研究内容有:(1)采用Adaboost算法和改进的Camshift算法实现对学生人脸的检测跟踪定位;(2)通过系统的文献查阅分析,结合当前课堂教学中实际的教学情况,提出了四种常见的学生情感变化表达,相应地定义了学生的表情特征并进行了量化分析,通过级联卷积神经网络定位人脸面部特征点,计算学生头部姿态角度和学生面部表情特征信息,通过头部姿态和学生面部表情特征对学生课堂学习情况进行综合分析评价;(3)设计开发了一种学生课堂注意力评价检测系统,通过检测学生头部姿态变化和面部表情特征变化实现对学生注意程度、参与程度和疑惑程度的综合分析评价。最后采用实验法把学生课堂注意力评价检测系统应用到实际的课堂教学活动中,通过具体的应用和实例分析来深入探究学生课堂注意力评价检测系统设计的有效性和准确性,并通过访谈的形式与教师和学生进行交流反馈进一步验证了本文方法的准确性。实验结果表明本文提出的学生课堂注意力评价检测方法能够及时的为教师和学生提供一种智能的、全面的课堂教学信息和反馈,帮助教师充分掌握和了解学生课堂学习情况,使教师可以有的放矢的调整教学方案提升教学质量。