随着时代的不断发展,社会对教育的要求和期待也在不断的提高。以往侧重于知识和记忆的教育模式和评价模式已经不适合新时代对教育的需求。如何让受教育者能够发现自己的潜能方向,以一种高兴趣度的学习状态在自己适合的领域得到个性化发展成为教育主管部门、各级学校以及教师们需要迫切解决的问题。对学生在学习过程中的兴趣度评价可以帮助学生探索个人学习的潜力方向和真正的兴趣方向,更好的了解自己的学习需要;对于老师,能够更好的把握了解学生的学习状态,对学生进行针对性的教学辅导,提高教学效率,实现因材施教。本文在对学业情绪、学习身体姿态与学生学业兴趣等方面的理论研究基础上,采用面部情绪、头部姿态和身体坐姿、眼睛状态四个维度特征,利用深度学习和机器学习算法,实现对学生对学习兴趣度的评价分析。具体包括:1.针对教学活动视频,进行了关键帧选择;利用Openpose平台,获取面部关键点和头部及躯干关节关键点坐标集,为学习兴趣度特征提取提供基本的数据支撑。2.在学业情绪、学习状态分析等教育理论基础上,确立了学习情绪、头部姿态和身体坐姿等与学习兴趣度相关的多个维度特征及提取方法。针对学业情绪,特别提出了基于愉悦强度统计的学习情绪特征计算方法。3.采用主成分分析法,对与学习兴趣度相关的多维度特征进行了降维与融合,确立了学习兴趣度评价的特征模型。4.基于学习兴趣度评价的特征模型,提出了基于支持向量机的学习兴趣度评价方法。