睡眠是婴儿生活中至关重要的一部分,拥有良好的睡眠有利于婴儿智商的提高和身心的发育。本文针对婴儿普遍存在的入睡障碍,频发夜醒,睡眠节律失调等睡眠问题,提出一种基于计算机视觉的婴儿睡眠质量评估算法。通过构建婴儿睡眠检测模型,研究婴儿睡眠质量评估方法,突破目前非接触式低准确率的睡眠检测技术,降低硬件成本,为家长提供一种实时的高效便捷的睡眠检测方法。本文具体工作如下:（1）针对实际监控视频背景复杂的情况,本文搭建了眼睛状态识别与光流运动检测相结合的婴儿睡眠检测模型,当无法通过眼睛状态判断婴儿的睡眠状态时,通过光流运动检测辅助判断婴儿的睡眠情况;（2）为了进一步提升睡眠检测模型的检测速率,本文采用轻量级结构设计方法,在Yolov4的基础上设计新的轻量级网络,在确保模型精确度的前提下,提高了模型数据的检测处理速度,减少了模型本身带来的内存消耗;另外,为进一步提高模型的泛化能力,本文还引入了迁移学习的方式,从而改善了模型的性能;（3）针对光流运动检测容易受噪点影响的问题,本文对比了基于本征图像分解的光流估计方法和基于四帧差分的光流估计方法,经过实验分析,最终采用基于四帧差分的光流估计方法,并在计算运动量时使用投影法进行更深层次的去噪;（4）根据实际监控视频,本文提出一种睡眠质量评估方法,由于不同年龄的婴儿睡眠习惯和睡眠结构不一样,本文通过采用婴儿夜间睡眠数据,结合不同年龄段婴儿的最佳睡眠时间,得到睡眠质量评估模型,通过与专业医生的评分进行对比,验证本论文的可行性。