随着“互联网+”教育和智能技术的不断融合,智慧课堂场景下的多屏多点触控教学模式应运而生,教学内容及教学活动表现形式将更加丰富多彩。然而,以教师为主体的填鸭式教学模式将不适用于新时代背景下的师生互动关系,不利于教学效果的提升。为引导学生成为教学活动中的主体,掌握教学过程中的学生学习状态、感兴趣情况是非常有必要的。课堂学生注意力将能够客观真实地反映教学活动中学生的兴趣热点、知识盲区以及积极状态,是提高教学质量的关键。头部姿态作为学生注意力方向的主要体现方式,本文将根据智慧课堂场景,展开头部姿态估计方法上的研究。头部姿态估计是计算机视觉领域中的热点研究课题,具有广泛的应用价值和应用前景,近年来受到越来越多研究学者的关注。本文根据智慧课堂场景独有的特色以及头部姿态现有数据库所面临的问题,重新建立一个适用性更高的头部姿态数据库。并以此为基础,利用深度学习的优势,提高头部姿态算法性能,构建智慧课堂下学生注意力判别方法,在教学活动中进行有效地提示和干预,从而提高教学质量。本文的主要工作体现在以下几个方面:（1）为解决现有头部姿态数据库无法满足智慧课堂应用的需求,制作一种面向智慧课堂的头部姿态非均匀数据库（IRHP数据库）。本文首先在数据采集场景方面针对性地设计间隔15度和间隔5度的两种数据采集方法;其次在采集设备中选择红外设摄像装备,可有效避免光照变化带来的影响;最后在数据标签上,全程采用多人辅助,人工手工制作标签的方式,保证数据库标签的真实性和有效性。（2）为验证本文所提IRHP数据库的适用性和应用价值,实现一系列基于IRHP数据库的多特征分析头部姿态估计基线方法。一方面利用传统机器视觉和图像处理技术,提取多种滤波算子的人脸图像特征,对比和分析它们的优势及缺陷所在,构造合适的特征向量,将其输入到机器学习分类方法中,预测头部姿态角度。另一方面,搭建卷积神经网络模型,利用大规模人脸图像数据库对该模型进行预训练,获取有效的人脸关键特征提取空间参数,然后基于本文IRHP数据库进行实验微调,提高模型的泛化能力及鲁棒性。（3）提出一种基于多尺度特征信息融合（IRHP-Net）的头部姿态估计方法。首先根据本文任务特性,将头部姿态估计任务进行数学化表达,设置合适的损失函数,采用正则化技术提高模型泛化能力。面对卷积神经网络特征汇聚过程中的信息丢失问题,分析对比卷积过程中不同尺度的特征,探索并提出了三种特征融合算子（CW、WF以及CVF）,将高层图像语义信息和低层抽象特征相结合,试图弥补训练过程中所遗漏的特征信息。训练过程使用批梯度下降算法进行模型参数的更新,实验结果证明该模型比其它方法取得更佳的性能表现。（4）基于上述头部姿态估计算法设计智慧课堂学习环境下的学生注意力判别方案。通过头部姿态估计算法识别出学生的个人注意力区域,利用相机坐标系、世界坐标系等建立几何物理模型,将个人注意力区域进行汇聚获取共同注意力区域,构造注意力分散指数以及设置阈值参数,将注意力分散指数超过阈值的学生判别其出现注意力不集中状态,提供给教师做出相关教学措施。