互联网技术飞速发展,走进每一个家庭当中,在线购物、在线观影等曾经只在科幻作品里出现的场景成为了现实,而在线教育更是在近几年成为时代焦点,在线教育相比于传统教育很多独特的优势,比如资源丰富、更新及时受场地限制小等。但是通过在线教育进行课程学习的时候也存在其弊端,比如在面对电脑进行学习的时候,学员的学习状态往往缺乏监督。基于这种特点,如果能够实现对学员学习状态进行智能分析的系统,将会很有价值。本文提出了一种结合面部特征信息的学员疲劳检测方法,实现了学习状态智能分析检测系统,该系统可以通过对学员面部特征信息的获取以及分析,在学员学习状态处于疲劳状态时进行提示。主要研究成果如下:(1)提出适应在线教育情景的对眼部特征进行检测的方法。在检测眼睛处于睁开还是闭合的过程中,使用最小二乘法以及其他过滤规则进行优化处理。同时运用先验知识定位嘴部位置,进而运用积分投影法实现特征检测。(2)提出了一种视线转移的检测方法。在已有基础上,补充检测学员由于疲劳而导致的视线转移。本文分析了几种有关视线检测的算法,根据家庭进行在线教育的场景,选择通过计算瞳孔与眼睛轮廓的位置关系来对视线的转移进行检测。(3)设计实现了一款学习状态智能分析检测系统。通过相关算法分别进行人脸检测、人眼闭合状态检测、视线转移检测和打哈欠状态,集合以上面部特征信息得出疲劳状态结果,即时反馈检测结果,对学员进行提示。实验结果表明,本文的疲劳状态检测方法对于困倦、走神、目光呆滞等学员经常出现的疲劳状态具有比较好的检测效果,提示的准确率较高,具有应用于实际使用的价值。