随着科学技术的日益发展,人工智能技术逐渐地渗透到人们的日常生活应用中,而人脸识别技术以其广泛的应用前景作为其中的突出代表更是成为人工智能领域的热点话题。迄今为止,人脸识别技术在金融、安防和军事等领域均显示出巨大的应用优势,但对于教育研究方面的应用则少之又少。随着信息化教学的兴起,教学视频流作为信息化课堂的宝贵资源,是分析学生课堂活跃度、专注度的重要依据,也是评价教师课堂教学水平以及有的放矢地提高学生学习效率的有效途径。面向视频流的姿态检测和表情计算等功能都需要以从教学视频流中获取的人脸序列为输入,故人脸识别是进行后续分析的基础。可见,人脸识别技术在教学视频流分析中占据重要的地位。在此背景下,本文基于信息化课堂教学视频流,将计算机视觉领域经典的人脸识别问题拓展到实际的课堂教学环境下。本文进行的主要工作有:依托实验室课题项目,本文收集了大量各中小学不同科目的教学视频数据。为了将传统的人脸检测及识别技术应用到教学背景下,本文在大量的教学视频基础上建立了较大规模的人脸数据库。此数据库不仅为本文的研究提供数据样本,更为后续的表情分析等的深入研究奠定了基础。在对现阶段国内外普适人脸识别的领域进行了广泛调研及对深度学习的最新相关进展进行了深入学习分析后,本文提出了一种针对实时教学视频流中人脸分辨率小且遮挡率高的场景的人脸识别技术。该识别算法涉及人脸检测,人脸跟踪以及人脸匹配三个阶段。人脸检测和识别算法基于最新的深度学习网络针对教学场景进行网络的调整改进,保证了算法的高准确率及稳健性。根据实际教室场景的特点,采用基于物理位置的跟踪算法,大大加速了跟踪算法的效率。