伴随计算机网络发展而出现的E-learning教学模式不再受时间和空间限制,从而实现了真正意义上的随时随地学习。但当前E-learning教学模式普遍存在学习效率低下的问题,如何提高人机互动体验来解决当前问题已成为关键。文章根据E-learning环境的特点,提出一种多特征融合的注意力检测方案来改善人机互动体验,包含人脸有无检测、人眼开闭检测、屏幕视线落点检测和情绪识别方法,主要工作包括:(1)提出一种改进的最小二乘椭圆拟合人眼开闭状态检测算法。针对最小二乘椭圆拟合算法无法准确拟合人眼轮廓的问题,引入求取最优解的思想,旨在排除眼镜等干扰物的影响来准确拟合人眼轮廓。同时,根据拟合椭圆与人眼实际轮廓之间的偏差来调整椭圆,从而获取实际的人眼宽高值。与同类方法比较表明,所提方法有效提高了检测准确率。(2)提出一种改进的屏幕视线落点检测算法。该方法通过缩小虹膜中心检测区域来减少算法计算量并提高检测精度。同时引入椭圆拟合算法,旨在减少视线往下时眼睑对检测的影响。相比于同类方法,该方法在准确率上占优。(3)针对人机互动体验不佳的现状,提出一种基于模糊推理的情绪识别方法。该方法将嘴角上下弧度和额头纹理占比作为模糊系统的输入,并利用最小模糊度法求取隶属函数,再根据先验知识和隶属函数分布情况建立了规则库,最终推理得出情绪类别。实验结果验证了该方法的有效性。(4)综合各检测模块,实现了注意力检测系统。文章将各特征模块融合成整体解决方案并以此开发了一套完整的注意力检测系统,该系统通过综合分析各模块指标实时动态反馈检测结果。实验结果表明,与单一特征注意力检测方法相比,该方案在有效性和准确率上都有大幅提升,并提供了良好的人机互动特性。