网络学习随着多媒体技术和互联网技术的成熟日益完善。在线教育便是二者结合的产物,不仅如此,在线教育还占据了时间和空间两大优势,为不同人群的不同学习要求提供了可能性,为学校教育存在的不足提供了解决方案,其出现也使目前的教育方式更加丰富。但与传统的课堂教学相比,网络教学不能实时监督学习者的学习状况,从而使学习效率不能得到保障。所以,对学习者的学习状态进行检测,有助于改进网络教学系统,改善学习者的学习质量。本文的主要工作是结合深度学习和计算机视觉等技术对网络教学中存在的不足进行研究,分别从学习者的注意力状态和学习情绪进行展开,主要研究内容如下:（1）针对实时视频难以获取与处理等问题,本文提出了基于多任务级联神经网络的虹膜中心和内外眼角定位算法,其主要思想是利用眼动信息对学习者的注意力状态进行分析。该算法能有效获取实时视频中学习者的虹膜中心和内外眼角的坐标,且在MPIIGaze数据集上达到98.9%的定位准确率。眼动的特征向量是由眼睛关键点坐标获得的,学习者的注意力状态是通过循环神经网络对已经获取的眼动特征进行分析所得到的。（2）针对传统卷积神经网络无法利用不同层次的表情特征、特征冗余等问题,本文提出了一种结构紧凑的的卷积神经网络模型来实现分类表情,用识别到的表情对学习者的学习情绪进行研究。在模型满足实时系统应用的基础上,通过图像预处理技术和损失函数的优化来改善模型的泛化性能,并结合人脸检测算法达到检测学习者学习情绪的目的。实验结果表明,该算法在Fer2013数据集上对表情识别达到74.71%的准确率,与传统算法相比具有优越性。为了对学习者的学习状态作出全面的了解,本文将注意力状态和学习情绪两个维度信息进行融合。根据两个维度信息对决策融合贡献度不同确定对应的权重值,通过融合后的信息计算学习状态最终得分。在网络教学场景下进行实例分析,同时与同类方法进行对比表明,本文的方法能客观、正确地反映学习者的学习状态。