轻量级 AI 也能做桌面应用！基于 PyQt5 + MobileNetV2 的实时学生专注度检测系统实战

随着智慧教育与在线学习场景的不断普及，如何高效、客观地评估学生在课堂中的专注状态，成为教育技术领域的重要课题。传统的教学过程中，教师往往需要凭经验判断学生是否在认真听讲，这种方式不仅容易受到主观因素影响，也难以实现实时、持续和多维度的注意力监测。特别是在在线课堂中，由于师生之间的物理距离扩大，观察学生的专注度就更加困难。

为了应对这些挑战，我们探索并实现了一种基于 PyQt5 的实时学生专注度检测桌面 AI 系统。该系统结合了 MobileNetV2 的轻量化深度学习能力、Mediapipe 的高精度人脸关键点检测以及 OpenCV 的高性能图像处理能力，能够在普通电脑上实现高帧率的实时人脸专注度识别，无需 GPU、无需服务器，即可全离线部署。这使得系统特别适用于教室电脑、个人设备和实验环境，具备良好的可用性和落地潜力。

本系统不仅能判断学生是否专注，还能检测导致“不专注”的具体原因，例如低头、抬头、侧脸等行为。通过将视觉识别、姿态计算与轻量化深度学习模型结合，系统实现了对学生注意力状态的即时反馈，为课堂行为分析、智慧教室管理、学习诊断等应用提供了有价值的技术基础。

项目背景与目标
在智慧教育与在线教学快速发展的背景下，如何实时分析学生的课堂专注度成为亟需解决的问题。传统的课堂观察依赖教师主观判断，不仅耗时精力，也难以准确量化学生的注意力状态。因此，我们设计并实现了一套基于 PyQt5 的桌面端实时专注度检测系统，通过计算机视觉与轻量化深度学习模型，使电脑具备实时识别学生“是否专注”的能力。这一系统不依赖服务器，更无需 GPU，即可在普通笔记本电脑上自然流畅运行。

技术选型与整体架构
系统采用 PyQt5 作为可视化界面框架，结合 MobileNetV2、Mediapipe 与 OpenCV 实现实时 AI 推理。MobileNetV2 是一款轻量化深度学习模型，适合在 CPU 端执行高效推理，而 Mediapipe FaceMesh 提供高精度人脸关键点信息用于姿态角分析。OpenCV 负责视频流处理与图像预处理。整体架构清晰，包括摄像头捕获、人脸定位、姿态角计算、专注度分类、桌面可视化五个核心模块，使系统结构可扩展、可维护。

人脸检测与姿态角判断
为了确保系统能够识别学生是否出现“低头、抬头、侧脸”等不专注行为，我们利用 Mediapipe 提供的 468 个高密度人脸关键点，通过几何关系计算俯仰角（Pitch）与水平转角（Yaw）。当 pitch 和 yaw 超过特定阈值时，系统即可判断为对应的非专注姿态。这种基于关键点的姿态估计方法相比传统 Haar 或 Dlib 检测更稳定、速度更快，尤其在远距离摄像头与光照变化条件下仍然表现可靠。

MobileNetV2 专注度分类模型
在姿态判断之外，系统还使用 MobileNetV2 模型完成“专注 vs 不专注”的深度学习分类。我们基于自主采集的数据集对 MobileNetV2 进行迁移学习，通过少量样本即可达到良好的泛化性能。模型在 CPU 环境下推理仅需数毫秒，满足实时检测需求。结合姿态特征，系统能够避免单一模型误判，实现更稳定的“专注度融合判断”策略，这也是其能够在真实课堂环境中可靠运作的关键技术点。

PyQt5 桌面界面与实时显示
GUI 使用 PyQt5 构建，通过定时器刷新机制实时更新摄像头画面与识别结果。界面展示包括：摄像头视频、当前专注度状态、推理 FPS、姿态角值等。所有处理均在本地执行，无需网络连接，保证了隐私性和系统的可迁移性。界面响应始终保持在 25–35 FPS，用户能够清晰观察到专注状态标签随实时画面不断变化，从而验证系统的准确性和稳定性。

应用前景与扩展方向
该桌面 AI 系统具有部署简单、计算轻量、识别准确的优势，非常适用于在线课堂监测、实验室行为分析、智慧教室系统开发等场景。未来可进一步加入多人检测、专注度趋势分析、情绪识别、自动生成课堂参与度报告等功能，从单一学生的专注监控扩展到全班智能分析，为教育数字化提供更强的技术驱动力。基于 PyQt5 的架构也使系统可以轻松集成交互功能，例如课堂管理界面、学生列表统计等，具备实际落地应用潜力。