1.一種基于面部識別的學生網課學習狀態評價方法，其特征在于，包括：

S1：獲取學生的面部圖像、學生回答問題情況以及學生信息；

S2：根據學生回答問題情況與參考答案的對比情況，獲得學生的回答問題結果；

S3：將采集的面部圖像進行標準化處理成一致的畫面信息后輸入到訓練好的微表情識別卷積神經網絡模型中，得到學生的網課聽課理解程度狀態；

S4：對采集的面部圖像進行人臉識別，提取出人臉圖片并進行面部特征提取，得到學生的面部尺寸和眼睛張開高度，其中，學生的面部尺寸包括面部長度和寬度；根據學生的面部長度與寬度的比值與預設標準面部長寬比的比較情況、學生的眼睛張開高度與預設標準面部眼睛張開高度的比較情況，得到學生的專注度；

S5：將學生的回答問題結果、網課聽課理解程度狀態以及專注度作為學生網課學習狀態評價結果；

其中，S3中訓練好的微表情識別卷積神經網絡模型的構建方法包括：

在微表情數據庫中尋找分別符合愉悅、理解、困惑狀態特征的人臉微表情圖片，將理解程度狀態對應的圖片經過壓縮、拉伸、銳化過程過后，處理成統一尺寸和格式的圖片信息作為訓練數據，其中，將學生的網課聽課理解程度狀態劃分三個等級：愉悅、理解、困惑，愉悅對應的面部特征包括眼睛張開、面部正對屏幕和嘴角上揚，理解對應的面部特征包括面部正對屏幕和眉毛舒展，困惑對應的面部特征包括眉頭緊鎖、眼睛微瞇和嘴角向下；

確定微表情識別卷積神經網絡模型的結構，模型的結構包括輸入層，第一卷積層、第一池化層、第二卷積層、第二池化層、特征層、全連接層、分類層以及輸出層；

根據預設模型參數，采用訓練數據對微表情識別卷積神經網絡模型進行訓練，得到訓練好的微表情識別卷積神經網絡模型；

S4中根據學生的面部長度與寬度的比值與預設標準面部長寬比的比較情況、學生的眼睛張開高度與預設標準面部眼睛張開高度的比較情況，得到學生的專注度，包括：

S4.1：根據學生的面部長度與寬度的比值與預設標準面部長寬比的比較情況對i時刻學生是否面部正對屏幕進行判定，其中，沒有正對屏幕則判定為不專注，正對屏幕則進行下一步判定，正對屏幕的判定公式如下：

其中，L_i和W_i為i時刻學生的面部的長度和寬度，L_s和W_s為學生標準的面部的長度和寬度；

S4.2：根據學生的眼睛張開高度與預設標準面部眼睛張開高度的比較情況，對學生的眼睛張度進行判定，得到學生i時刻的專注程度，判定公式如下式所示：

其中，H_i為i時刻學生的眼睛張開高度，H_s為學生標準的眼睛張開高度，L_i為i時刻學生的面部的長度，L_s為學生標準的面部的長度，如果大于，判定i時刻學生是專注的，如果小于，判定i時刻學生是不專注的；

根據學生i時刻的專注程度，連續監測預設時長內學生狀態是否為不專注，如果均為不專注，則判定學生狀態為不專注。