（西安培华学院，陕西西安市，710000）万 卷

1 研究背景

中国互联网络信息中心2020年4月28日在最新的中国互联网络发展状况统计报告中说：截至今年3月，在线教育呈爆发性增长，用户规模达4.23亿，比2018年底增长110.2%，占网民整体的46.8%。2020年，突如其来的新冠肺炎疫情影响了全球大部分人的生活及行业发展，在停课不停学的号召下，在线教育用户激增。截至2020年6月，我国在线教育用户规模达3.81亿，占网民整体的40.5%；手机在线教育用户规模达3.77亿占手机网民的40.4%。由此可见，在线学习数量非常惊人，那么让学生学会高效率的学习相当重要，同时这也是教育界以及家长们最为关注的问题。

2 研究内容

2.1 系统流程

在本篇文章中，主要针对如何使用卷积神经网络模型提高学习效率展开了深入的探讨和研究，不仅探究了学生的眼部，还探究了学生的嘴部，除此之外，当然还有其他部位，通过判断这些部位，可以得知人们关于学生的疲劳以及学习情绪的判断是否准确和一致。在线学习状态的识别功能的设计从整体而言，可分为两个方面：①检测学生是否在移动设备前上课。②对学生进行疲劳度和学习情绪检测评估。流程如图1所示。

图1 目标检测与学情分析流程图

首先对学生进行目标检测与面部识别即对课堂上拍摄到的视频流进行人体目标检测。这里我们使用单阶段的基于改进的YOLOV4网络模型。YOLOV4优化了计算效率，使检测器在单个GPU上也能很好地完成训练。

2.2 模型介绍

YOLOV4分 为 Input，BackBone，Neck，Prediction。训练时对输入端的改进，主要包括Mosaic数据增强、cmBN、SAT自对抗训练。……