随着信息技术的快速发展,智慧学习、智慧教育成为教育发展的一个主流方向。以大数据、人工智能技术为依托的智慧教室正在各大高校进行批量建设。智慧教室智慧体现在哪,这是很多教学研究者都非常关注的问题。其中,科学、客观、智能的教学评价是体现智慧的一个切入点。本文采用计算机视觉的方法来研究课堂注意力。本文提出了一套基于头部姿态检测的课堂注意力建模方案,然后结合讲授型课堂和研讨型课堂两种教学场景面临的具体问题,实现了相应的检测算法,最后在实际课堂进行了验证。本文的主要贡献包括:（1）本文提出了一套相对完备的课堂注意力测量方案,该方案由两个部分组成:头部姿态检测算法和注意力模型。头部姿态检测算法为整个方案提供基础数据,注意力模型由抬头率,活跃指数和注意力K值组成,用于表征课堂注意力。其中活跃指数是本文首次提出的注意力参数,能够更加精细地刻画课堂注意力态势。（2）针对讲授型教室后排头部姿态检测不准的问题,提出两阶段多尺度的头部姿态检测方案,该方案对学生人数的检测精准率为0.978,召回率为0.984,抬头和低头的检测精准率为0.92和0.91,召回率为0.90和0.94,超过了当前最优的算法。（3）针对研讨型教室中,适用于讲授型课堂的头部姿态检测算法无法工作的缺陷,提出了一套针对性的头部姿态检测实现方案,该方案对于学生人数的检测精准率为0.96,召回率为0.96,对于抬头和低头的检测精准率为0.88和0.86,召回率为0.87和0.87。本文将注意力模型及系统应用于本校计算机学院2019年一门基础课程的分析研究,通过与任课老师的分析研讨,模型的可视化结果和注意力K值与主观感觉相符,印证了本文注意力模型在刻画课堂注意力态势方面的应用价值。