在线学习场景下,专注度是衡量学习体验的重要指标。提高专注度识别的准确率可以帮助老师及时获得课程反馈,以此提升学生的学习体验。对学生专注度识别研究,较为主流的方法是基于视频数据的方法,此前基于问卷调查、生物传感器的专注度识别方法,存在可靠性差、设备成本昂贵等问题。近年来,深度学习技术被逐渐应用到专注度识别领域且获得众多成果,但仍存在一些不足。例如,基于特征的专注度识别方法,存在仅使用少数几种特征、并未综合考虑与专注度相关的行为和情感信息等问题。基于端到端模型的专注度识别方法,存在模型复杂,实时运行性能差等问题。针对上述问题,本文的主要研究工作如下:（1）首先研究了学习者行为特征和情感特征的提取,分别提出了基于Open Face的学习者行为特征提取方法与基于深度残差注意力网络的情感特征提取方法,并分析了学习者行为特征和情感特征与专注度等级之间的相关性,以及这些特征统计量在不同专注度水平上的统计量差异,结果表明融合学习者的行为特征与情感特征对专注度识别的必要性,为之后提出的专注度识别方法做铺垫。（2）提出了一种融合特征的专注度识别算法。借助前面提出的行为特征和情感特征提取方法,然后融合学习者行为和情感信息的特征向量输入到时序模型进行识别。在时序模型方面,本文在擅长处理时空数据的时序卷积网络（Temporal Convolutional Network,TCN）的基础上,提出了融合时空注意力机制的时序卷积网络（Spatiotemporal Attention Temporal Convolutional Network,SA-TCN）,使模型能自适应提取重要的时域以及空域特征,并忽略冗余特征,进而提高专注度识别准确率。本文算法在公开的专注度识别数据集DAISEE上进行了训练和验证,实验结果表明,本文提出的基于融合特征的专注度识别算法的识别准确率达到62.5%,领先之前的其他专注度识别算法,且能够改善对少数类的样本识别效果,并在Emoti W-EP数据集上进行验证,取得了0.0708的MSE。（3）考虑到实际应用过程中对专注度识别速度有更高的要求,因此从单阶段的3维卷积网络入手,提出了一种基于通道混合的I3D专注度识别网络,通过替换原始I3D中的Inception模块的卷积核以降低模型参数。其次是将轻量化网络Shuffle Net融合到改进后的I3D网络,并引入多分类焦点损失函数,以提高模型对整体类别损失的监督能力,实验结果表明:本文提出的基于通道混合的I3D专注度识别网络,不仅提高了原始I3D网络的性能,并且相比DAISEE上其他方法,缩短了模型的推理时间,且保持较高的识别准确率。