专注度是儿童心理能量相对于学习目标或任务的输出程度,是开展听、说、读、写等活动的推动力,直接影响儿童的学习效率。相关研究表明,儿童普遍存在专注时间难以保持、没有持续的兴趣爱好等特点。家校协作培养过程中,儿童课外学习的专注情况也引起了父母和教师的一致重视。但是,由于生存压力的增加,更多的年轻父母忙于工作,难以监管孩子学习过程同时缺乏对专注表现的认知,进而导致教师无法及时掌握孩子学习专注度状况,做出针对性培养。因此,亟需一种基于人工智能技术的儿童学习专注度评估方法,自动量化评估儿童自主学习时的专注度,为家长及学校掌握孩子学习状态,培养孩子学习专注度,提供新途径。论文以量化儿童学习专注度为切入点,以人脸目标检测、特征点提取、层次分析法及综合模糊评价等技术和方法为主线,展开相关理论和技术研究。首先,分析了人脸检测及专注度评估的国内外研究现状,综述了部分学者对人脸检测和专注度评估的研究成果;其次,研究了专注度评估所涉及的相关技术及理论知识,为论文技术方案的提出奠定了理论基础;再次,提出了YOLOv5s人脸检测算法和轻量化的Mobile Net-v2面部特征点提取算法级联结构,实现了儿童学习状态下的人脸精确定位以及面部特征点提取,并进行嘴部姿态、眼部姿态、头部姿态估计;然后,结合嘴部姿态、眼部姿态、头部姿态估计等因素,构建了基于模糊层次综合评价的儿童学习专注度量化评估模型,计算各因素权重,实现儿童学习专注度量化评估;最后,设计并实现了儿童专注度评估系统,进行在线实时评估儿童学习专注度,助力儿童培养。论文对儿童学习专注度评估的研究进行了实验验证。在人脸检测方面,改进的YOLOv5s人脸检测算法在Wider Face数据集的测试平均精度为97.8%,平均检测时间为0.033秒;在面部特征点检测方面,针对儿童人脸,重新构建并训练的Mobile Net-v2网络,在儿童人脸测试集中的误差为3.93%,达到了当前主流算法的精度;在专注度评估方面,设计并实现了儿童专注度检测系统,包含姿态检测与专注度评估模块、学习日志模块、学习周报模块以及个人中心模块,基本满足当前用户功能需求,为学校和家长掌握儿童学习状况提供了新模式、新平台。