学生的学业水平是学校和家长共同关注的核心问题。研究表明,学生的学业水平与学生在课堂上的注意力状态存在着密切联系,能够长期保持注意力集中的学生往往具有较高的学业水平。因此,十分有必要提高学生在课堂上的注意力水平,为此首先需要对学生的注意力进行检测。现有的注意力检测方法包括问卷调查法、仪器检测法和计算机视觉算法。问卷调查法虽然方便进行统计分析,但是通常会受到主观因素的影响,无法保证实验结果的质量和可信度。仪器检测法虽然可以在一定程度上避免主观影响,但是这些仪器普遍价格昂贵,而且一台仪器一次只能检测一名学生的注意力,难以满足对全班几十名学生同时进行注意力检测的需求。计算机视觉算法通常采用第三人称图像或视频数据,但由于教室内学生人数过多,算法对小目标以及被遮挡目标提取困难,因此不能准确地检测学生的注意力。为了实现批量且准确地获取学生课堂注意力数据的目标,本文提出了一种新的方法:基于第一人称视频的学生课堂注意力检测。与第三人称视频相比,第一人称视频具有视频与学生一一对应、视频内容与注视行为相一致的优点,因此可以使学生注意力检测更加准确。本文提出的注意力检测模型包括3个模块:注视点估计、注视目标识别和注意力水平分析。注视点估计模块使用显著性检测与注意力转移相结合的深度学习算法,为提高算法精度,本文尝试了3种注意力机制,分别为空间注意力、通道注意力和混合注意力,具体做法是将注意力模块嵌入卷积神经网络（Convolutional Neural Network,CNN）的卷积块之后。注视目标识别模块对单步多框检测器（Single Shot Multi Box Detector,SSD）和快速语义分割网络（Fast Semantic Segmentation Network,Fast-SCNN）的效果进行了对比。注意力水平分析模块通过眼动测量指标计算以及过程性评价对学生的注意力进行综合分析和评价。为验证注意力机制对注视点估计算法的效果,本文在公开的第一人称视频数据集GTEA Gaze Plus上进行了实验,实验结果表明:3种注意力机制对注视点估计算法均有改进作用,其中混合注意力改进作用最大,通道注意力次之,空间注意力改进作用相对较小。由于目前没有获取到公开的学生课堂第一人称视频数据集,本文还录制了学生课堂第一人称视频数据集（First-Person Video of Students in Class,FPVSC）,并在该数据集上进行了实验,实验结果表明:在注视目标识别模块中,Fast-SCNN算法比SSD算法更加准确;本文提出的方法可以有效地对个体学生及全体学生的课堂注意力进行综合评价。