人在无聊、困倦或者对某些事情不感兴趣时容易打哈欠,课堂场景中学生出现打哈欠现象可以在一定程度上反映该学生上课时的不专注状态。学生上课打哈欠检测可以作为老师了解学生学习情况的一种辅助手段,提升教学质量。传统的哈欠检测方法主要应用在司机疲劳驾驶检测系统中,一般通过人脸定位、嘴部特征提取和分类三步来完成,然而这些方法并不适用于复杂的课堂场景。课堂监控视频图像中学生人数通常在30人左右,不同课堂视频图像的背景差异较大,增加了场景的复杂性;此外,前后排学生人脸分辨率较大,坐在后排的学生脸部在图像中的分辨率大约为30×30像素,分辨率较低,进行人脸定位难度极大;而且学生上课时还会经常左右摇晃,交头接耳,导致面部朝向变化幅度大,还有学生说话以及朗诵时嘴部特征与打哈欠时的比较相似,因此提取嘴部特征进行分类更是困难重重。鉴于传统方法的局限性,我们转换思路,巧妙地借助深度学习领域的物体检测算法,进行研究改进,把哈欠检测作为目标检测问题去解决。我们针对课堂场景下后排学生人脸分辨率低,前后排学生人脸分辨率相差较大的目标检测多尺度问题,引入特征金字塔方法进行特征融合来解决。由于哈欠检测只是教学评估系统中的一项指标,除此之外还有举手检测和睡觉检测等。系统中要同时运行多个模型,这就要求每个模型都不能占用过多的内存和计算资源。我们通过网络剪枝的方法压缩模型大小,提升模型的运行效率,使其能应用于实际场景当中。我们采集了300多堂中小学课堂监控视频,在此基础上制作了课堂场景下哈欠数据集,并在此数据集上对比了主流算法和我们所提出的算法的性能,证明了我们的方法在准确率和速度上都优于其他方法。