基于深度学习的学生状态实时分析方法及装置

本发明公开了一种基于深度学习的学生状态实时分析方法及装置，通过获取教室内学生图像数据并进行预处理，对预处理图像数据进行多尺度人脸检测和面部特征提取，基于标准化的面部特征数据提取表情特征并结合注意力指标和姿态特征进行融合，构建时序特征序列并应用重尾递归神经网络进行时序建模，建立评估标准并通过自适应阈值调整评估参数，最终得到学生状态评估结果。本发明通过重尾递归神经网络和向低维混沌的缓慢过渡机制，能够准确捕捉学生状态的细微变化和长期趋势，解决了传统学生状态监测方法实时性差、覆盖面有限和个性化不足的技术问题。