专注度分析系统从零到落地：人脸检测、姿态估计与Pyqt5实战

简介：这是一套基于PyQt5与深度学习的智慧课堂专注度分析系统源码包，面向计算机相关专业在校学生、教师及技术人员，主要用于线下课堂学生专注度的自动分析与评估，适用于毕业设计、课程设计、大作业或初期项目演示等场景。压缩包共218个文件，整体大小约17.02MB，主要包含Python源码文件（py）、界面设计文件（ui）、编译缓存（pyc）、配置与说明文档（xml、md、txt），以及演示图片、动图等辅助素材，目录结构清晰，便于按模块查阅。这套源码已有151人学习/下载，其中代码经过完整验证，可稳定运行，配套设计文档与模型文件有助于理解深度学习模型部署及PyQt5界面交互流程。此外，内容还涉及视频源配置、NMS加速实现、演示动图等，既适合新手入门进阶，也可基于此进行二次开发，扩展其他智慧课堂功能。

1. 智慧课堂专注度分析系统：摄像头画面如何变成每个学生的专注度分数

教室后排学生在低头写笔记还是刷手机，单靠老师站在讲台上扫一眼很难判断。专注度分析这类智慧课堂项目，就是用一路普通USB摄像头拍摄整间教室，靠深度学习模型实时识别人脸位置、头部姿态和视线方向，再综合玩手机、趴桌这类行为，给每个学生算出一个专注度分数，最后通过Pyqt5桌面界面呈现出来。它不是论文里的实验demo，而是一套能落地的桌面应用，交付物里包含python源码、设计文档和训练好的模型权重。适合三类人：正在做课设或毕设的学生、想快速搭课堂分析原型的开发者，以及第一次把Pyqt5和深度学习模型装进同一个工程、想看清完整链路的人。拿到压缩包只是开始，把模型加载起来、看到摄像头画面里出现带分数的检测框，才算真正跑通。

2. 专注度计算的技术链路：人脸检测、姿态估计与分数合成的选型思路

2.1 专注度从哪里来：四个可计算的信号维度

先要明确一个前提：深度学习没有办法直接“读”出专注度。所有模型输出的都是客观信号，比如人脸框、关键点、头部角度、画面里有没有手机，专注度分数是这些信号按规则合成的结果。常见做法是把课堂场景拆成四个可计算的信号维度。

第一是人脸检测，拿到每个学生的人脸框，判断人在不在画面里、坐在哪个位置。第二是头部姿态估计，输出yaw（左右转头）、pitch（低头抬头）、roll（歪头）三个欧拉角，低头超过阈值就视为不在看讲台。第三是视线方向，通过眼睛区域估计视线朝向，判断学生是否看着讲台或屏幕，这一路模型最重、受距离和光线影响最大。第四是课堂行为识别，包括玩手机（额外检测手机目标）、趴桌（姿态加人脸消失判断）、交头接耳（相邻两框的距离和相对朝向做规则判断）。

这四个维度不需要全部上齐，常见做法是“人脸检测+头部姿态+行为检测”三件套。视线估计因为摄像头的安装高度和教室距离很难稳定，通常作为可选优化而不是默认主路。专注度可以理解成一个加权打分：分数等于姿态正常权重加视线朝前权重加无手机行为权重，再扣掉趴桌等异常行为权重。具体权重在配置文件里，我一般会把姿态和手机行为权重调高，视线相关权重调低甚至先去掉——小分辨率摄像头下视线估计的可靠性最差。下面这张表是不同信号维度的模型选择参考：

这段拆解的意义是让你在改这套系统之前先想清楚：模型只是输出原始信号，专注度分数的“解释权”在合成规则里。调好四个权重，比换一个大模型对结果的影响更直接。

2.2 模型怎么选：检测、姿态估计与行为分类的搭配逻辑

系统推理链路是级联的：先检测人脸，再从每张人脸图算姿态，同时在全图上检测手机和异常行为。这样选型是因为专注度本质是“一图多任务”，用单一分类模型直接端到端输出专注度，训练数据很难收集，泛化也差。级联的好处是每一级都能单独替换、单独调参、单独排查。

目标检测层优先选YOLO系。教室场景有大量小目标，后排学生人脸可能只有三四十像素，所以选模型时要把输入分辨率放在第一位。我一般用YOLOv5n或v8n这类轻量版本，640输入分辨率，一张图能框出几十个人脸，普通显卡上可以跑到30帧以上。如果只想做演示、不想引入Torch的重量级依赖，MTCNN也能用，但密集小场景下漏检明显，不建议作为正式方案。

头部姿态估计层常用Hopenet和6DRepNet。6DRepNet精度更高、模型更小，ONNX格式只有几十MB。输入是人脸框裁剪图，输出三个角度，用pitch大于30度判断低头，yaw大于45度判断侧头。这里的坑是角度阈值不能照抄论文，摄像头装在讲台和装在教室侧面，同一姿态的角度差异很大，后面避坑章会专门讲。

行为检测层，玩手机检测最可靠的做法是让YOLO同时检测手机类别，新增一个class，用手机公开数据集或自录几十张教室照片微调。趴桌不需要单独模型，人脸检测不到且上一帧存在，结合位置稳定性就能判断。交头接耳则是对相邻两框计算中心距离和头部朝向，用规则判断。规则判断在课堂场景下比训练交互行为分类器更可控，你不会希望模型把两个相邻学生低头写字误判成聊天。

推理框架层面，首选ONNX Runtime，其次OpenVINO，最后才考虑直接用PyTorch的eval推理。原因很现实：PyTorch的GPU推理换机器要配CUDA版本，在别人的电脑上跑源码，最容易翻车的就是torch和CUDA版本匹配；导成ONNX后CPU能跑、显卡能跑，部署麻烦少一半。源码里如果带模型导出脚本，建议先导一遍再继续。

2.3 系统三层结构：采集、推理、界面怎么分工

拿到源码先别急着跑，对应设计文档里的架构图，找到三个角色。采集层负责从USB摄像头或视频文件读帧，这一层用OpenCV，不参与深度学习推理，任务是把帧按固定帧率送到推理层，同时深拷贝一份给界面预览。推理层是核心，消费采集层送来的帧，按“检测-姿态-行为-分数”顺序计算，把结果打包成结构化数据，包括人脸框列表、角度列表、分数列表。推理层必须做丢帧处理，计算不过来就直接丢，而不是排队积压，积压的后果是延迟越来越大，学生都翻书了画面还停留在上一秒。

UI层用Pyqt5做三块内容：实时视频画面叠加检测框和分数、右侧学生状态列表、底部班级专注度曲线。UI层不碰模型，只从推理层拿结果刷新控件。三层对应到代码里通常是camera_thread、infer_thread、main_window三个模块。跑代码时你会看到线程启动顺序：先开采集，再开推理，最后显示窗口。如果源码里推理和UI写在同一个类里，后面卡顿几乎必然发生，建议用第5节的方案改造成线程分离再继续。

提示：读设计文档时重点对照模块划分和时序图，文档里写的模块名和代码里的类名不一致，是这类项目最常见的情况。后续定位问题要以代码实际结构为准，不要被文档带偏。

3. 让源码跑起来的最小路径：环境配置、依赖安装与模型加载

3.1 环境准备：Python版本与依赖搭配

拿到压缩包，第一步永远是读依赖清单。这类项目多半带requirements.txt或environment.yml。深度学习项目对版本敏感，不建议一条条pip装，因为torch和Pyqt5的组合很容易出现“装完了导入报错”。我的习惯是先建一个虚拟环境，Python版本固定在3.8或3.9，这两个版本对Pyqt5、torch、opencv的兼容性最稳，3.10以上部分旧版wheel缺失，没必要拿学习项目去赌。

下面这份requirements是专注度分析这类项目的典型内容，以你手里的源码清单为准：

# requirements.txt 典型内容 python==3.8 # 3.8/3.9 二选一 pyqt5==5.15.* opencv-python==4.5.* numpy==1.24.* torch==1.13.* torchvision==0.14.* onnxruntime-gpu==1.14.* pyyaml

安装命令按顺序执行，建议用国内镜像源：

conda create -n focus python=3.8 conda activate focus pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

版本搭配的逻辑说一下：torch选1.13系列，是因为这个版本同时兼顾GPU和CPU环境，很多源码的训练阶段就是在1.13上完成的，直接装新版torch读旧权重容易遇到模型参数与代码不匹配。onnxruntime-gpu如果不想配CUDA，可以降级成纯CPU版，课堂演示级项目CPU跑15帧也能接受。Pyqt5要注意，5.15.2之后官方没有继续发新版wheel，装到5.15系列即可。numpy锁在1.24，新版本在python3.8下会报警告，部分旧代码的np.float写法会直接报错。

注意：看到torch安装失败，八成是python版本过高或pip源超时。先把python降到3.9以内再重试，不要系统里混装多套python硬刚。

3.2 模型文件放对位置：权重目录、yaml与加载检查

深度学习项目的模型文件通常比较大，从几十MB到两百MB不等，源码包里往往只带路径占位或一份小权重，完整模型需要从网盘下载后放进指定目录。解压后第一步不是双击main.py，而是确认模型目录完整。这类项目的典型目录结构如下：

focus-classroom/ ├── main.py # 程序入口 ├── configs/ │ └── config.yaml # 摄像头索引、置信度、模型路径 ├── models/ │ ├── yolov5n.pt # 人脸/手机检测权重 │ ├── repnet.onnx # 头部姿态权重 │ └── class_names.txt # 类别标签 ├── ui/ │ └── main_window.py └── utils/ ├── camera.py ├── inference.py └── scorer.py

模型加载代码通常在utils/inference.py里，常见写法是这样的：

import onnxruntime as ort import torch # 加载头部姿态ONNX模型，CPU执行 sess = ort.InferenceSession( "models/repnet.onnx", providers=["CPUExecutionProvider"] ) def load_yolo_weights(path, conf_thres): # 从本地路径加载YOLO权重，不从网络拉取 model = torch.hub.load("ultralytics/yolov5", "custom", path=path, local_only=True) model.conf = conf_thres # 检测置信度阈值 model.iou = 0.45 # NMS的IoU阈值 return model

onnxruntime的InferenceSession负责加载ONNX模型，providers参数决定执行设备，CPU写“CPUExecutionProvider”，显卡写“CUDAExecutionProvider”。YOLO加载用torch.hub的custom模式，表示读取本地权重而不是下载预训练模型。conf和iou两个参数直接挂在模型上，作为本次运行期的全局阈值。重点是conf：教室场景建议0.3到0.45之间，低于0.25检测框会疯狂抖动，高于0.5会漏检后排小脸。

路径和配置的坑集中在三处：代码写死相对路径，必须从项目根目录启动，否则找不到模型；中文路径会让ONNX和torch出现莫名其妙的加载失败，项目路径、图片路径、模型路径全部改成英文；权重和yaml不匹配时检测层报错提示类数量对不上，多半是用了不同版本的YOLO权重，换回源码配套版本即可。

3.3 启动系统：从入口文件到摄像头自检

跑通的最小命令很朴素。先确认配置文件里的摄像头索引，然后运行入口文件：

# 在项目根目录执行，不要用IDE的临时目录 python main.py --camera 0 --config configs/config.yaml

main.py里大概做了三件事：读配置、创建采集与推理线程、显示主窗口。入口骨架常见写法：

import sys from PyQt5.QtWidgets import QApplication from ui.main_window import MainWindow app = QApplication(sys.argv) # 摄像头索引从命令行参数读取，默认0 camera_id = int(sys.argv[1]) if len(sys.argv) > 1 else 0 # 主窗口内部负责创建采集线程和推理线程 win = MainWindow(camera_id=camera_id, config_path="configs/config.yaml") win.show() sys.exit(app.exec_())

QApplication是所有Pyqt5程序必经的起点，一个进程里只能有一个。MainWindow初始化时要启动两个线程，而不是直接打开摄像头——把摄像头初始化放在线程的run方法里，可以避免主窗口启动时长时间无响应。camera_id的判定逻辑是：笔记本自带摄像头往往占0，外接USB摄像头可能是1或2。具体是哪个，用下面这个脚本探测：

import cv2 for i in range(4): cap = cv2.VideoCapture(i) ok, frame = cap.read() print(f"camera {i}: {ok}") cap.release()

这个探测脚本建议在启动系统之前先跑一遍。很多人打开报错其实只是camera_id不对，换一个索引就好了。启动之后的首屏自检有四个信号：控制台打印模型加载完成、窗口出现视频预览、检测框稳定出现、专注度分数随时间变化。如果检测框出现但分数不动，说明scorer模块没有从推理结果里取到有效的角度数据，往下看第5节的排查方法。

3.4 读懂源码模块：文件与职责对照

拿到一套不熟悉的源码，最快的方式是做模块映射，而不是从main.py第一行往下读。下面这张表是这类项目的典型映射，可以直接对照：

读的时候重点对齐一件事：配置文件里写的模型路径，和utils/inference.py里实际加载的路径是否一致。两处不一致是这类源码最常见的“黑匣子”问题——代码看起来没报错，实际加载的却是另一个模型。把配置文件的路径统一成相对路径后跑一遍，能少掉一半玄学问题。

4. 自己训练专注度模型：数据集整理、迁移学习与关键训练参数

4.1 先判断要不要自己训

用现成权重跑通之后，很多人会想自己训一套让效果更好。先泼冷水：人脸检测和头部姿态这两个模型，自己从零训练的成本远高于收益，问题出在标注。人脸框标注还好，头部姿态要求的yaw/pitch/roll标注需要工具配合，标错一个角度模型就学歪了。常见做法是用现成开源权重做迁移学习，只针对自己教室的摄像头角度做少量微调。

专注度系统里真正值得自己训的，是行为分类那一小块，比如“玩手机vs写字”。公开数据集的手机样本和教室实拍差异很大，教室窗口反光、书本封面、笔袋都可能被误判成手机。所以数据集整理的精力要集中在行为分类和场景适配，不要一上来就训检测和姿态。这个判断能帮你省下至少两周时间。

4.2 数据集从哪来、标注成什么格式

行为分类的数据集有三种来源：公开的手机检测相关数据集，自录的教室视频抽帧，以及数据增强后的样本。第二种最贴合场景，找一个正常上课的教室架一台手机录40分钟，抽帧后标注，每类200到300张就足够微调。第三种是把已有数据做亮度、模糊、透视变换，模拟教室不同座位距离。三种来源混合使用最稳。

标注格式方面，走YOLO检测路线时数据要转成YOLO的txt格式，每行是“类别 中心x 中心y 宽 高”，坐标是归一化后的0到1小数。走分类路线则按文件夹组织，train和val两类目录，每个类别一个子文件夹。下面这个脚本把VOC格式的xml转成YOLO格式，是训练前最常写的工具：

import os import xml.etree.ElementTree as ET def voc2yolo(xml_path, out_dir, classes): root = ET.parse(xml_path).getroot() img_w = int(root.find("size/width").text) img_h = int(root.find("size/height").text) lines = [] for obj in root.findall("object"): name = obj.find("name").text cls_id = classes.index(name) # 类别名转id box = obj.find("bndbox") x1 = float(box.find("xmin").text); y1 = float(box.find("ymin").text) x2 = float(box.find("xmax").text); y2 = float(box.find("ymax").text) # 绝对坐标转归一化中心点与宽高 cx = (x1 + x2) / 2 / img_w cy = (y1 + y2) / 2 / img_h w = (x2 - x1) / img_w h = (y2 - y1) / img_h lines.append(f"{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}") out_path = os.path.join(out_dir, os.path.splitext(os.path.basename(xml_path))[0] + ".txt") with open(out_path, "w") as f: f.write("\n".join(lines))

xml里的bndbox是左上角和右下角的绝对坐标，YOLO要的是归一化后的中心点坐标和宽高，所以每个值都要除以图片尺寸。类别id取决于classes列表的顺序，这个顺序在训练配置和推理时完全一致，否则会出现“检测出手机但显示成书本”这类错位。转换时注意边界：标注工具偶尔会让x2大于图片宽度，转换脚本里最好加一个min-max裁剪。数据整理阶段最容易被忽略的是图片和xml名字一一对应，转换前先做文件名对齐检查。

之后是数据集划分，常见比例是8:2或9:1。下面这段代码把图片和标签成对划分，避免图片进了train而标签进了val：

import os, random, shutil random.seed(42) img_dir, label_dir = "images_all", "labels_all" train_ratio = 0.8 imgs = [f for f in os.listdir(img_dir) if f.endswith(".jpg")] random.shuffle(imgs) split = int(len(imgs) * train_ratio) for i, img in enumerate(imgs): name = os.path.splitext(img)[0] dest = "train" if i < split else "val" os.makedirs(f"{dest}/images", exist_ok=True) os.makedirs(f"{dest}/labels", exist_ok=True) shutil.copy(f"{img_dir}/{img}", f"{dest}/images/{img}") shutil.copy(f"{label_dir}/{name}.txt", f"{dest}/labels/{name}.txt")

固定随机种子让每次划分结果一致，复现实验时不会被数据划分差异干扰。另一个细节是训练和验证按“视频片段”划分而不是按单帧划分：同一个视频相邻帧高度相似，如果同段视频的帧同时进了train和val，验证集指标会虚高，训练时自我感觉良好，上真实课堂就露馅。

4.3 关键训练参数：batch、lr、epoch与显存不足

训练阶段如果基于YOLO微调，使用源码自带的train.py即可，核心参数如下：

python train.py --data classroom.yaml --weights yolov5n.pt --img 640 \ --batch 16 --epochs 100 --device 0 --patience 20

--weights指定预训练权重，从yolov5n.pt开始微调而不是从空权重训练，收敛速度和最终精度都好很多。--batch是单次喂入的图片数，16是安全值，显存报错就降到8或4，同时把--img从640降到480。--epochs 100对迁移学习足够，再多边际收益很低。--patience是早停参数，验证集loss连续20轮不下降就停止，能省时间。

如果是训练行为分类的小CNN，PyTorch训练循环里最需要关注的是学习率调度：

# 分类模型训练的核心循环片段 import torch from torchvision.models import mobilenet_v3_small model = mobilenet_v3_small(num_classes=2, pretrained=True) criterion = torch.nn.CrossEntropyLoss() optimizer = torch.optim.Adam(model.parameters(), lr=1e-3) # 每8个epoch学习率降到1/10，避免后期震荡 scheduler = torch.optim.lr_scheduler.StepLR(optimizer, step_size=8, gamma=0.1) for epoch in range(epochs): for imgs, labels in train_loader: out = model(imgs) loss = criterion(out, labels) optimizer.zero_grad() loss.backward() optimizer.step() val_acc = evaluate(model, val_loader) scheduler.step()

迁移学习场景下1e-3作为初始学习率比较合适，1e-2容易把预训练权重冲坏，1e-4收敛太慢。StepLR每8个epoch把学习率乘0.1，让损失在训练后半段平稳下降。还有个实际经验：专注度行为分类的类别往往极不平衡，“正常学习”帧占九成，“玩手机”只占一成。面对这个现象，给分类器加权重CrossEntropyLoss或对少数类做过采样，比换模型更有效。训练过程中如果val_acc一直不涨，先检查数据是否成对放对，再检查学习率，实战中问题大多出在这两步。

训练完得到自己的best.pt，替换源码里的检测权重，配置文件指向新路径，按第3章的步骤启动看效果。

5. 避坑指南：Pyqt5与深度学习集成的5个高频踩坑记录

5.1 界面卡死：把推理从主线程里挪出来

现象：窗口能打开，但拖动卡顿，视频画面几十秒不刷新，点击关闭按钮无响应，控制台显示GPU占用很高。

原因：Pyqt5的界面事件循环和推理放在了同一个线程。深度学习推理是耗时操作，一次检测可能占几十到几百毫秒，主线程卡在这里，Qt就没机会处理重绘和鼠标事件。

解决：把推理放进QThread，用信号把结果传回主线程。最小改造如下：

from PyQt5.QtCore import QThread, pyqtSignal class InferenceThread(QThread): # 参数是帧和检测结果，主线程里刷新UI用 frame_ready = pyqtSignal(object, object) def run(self): while not self.isInterruptionRequested(): frame = self.queue.get() results = predict(frame) # 推理只在这个线程发生 self.frame_ready.emit(frame, results)

改造思路：把原来在窗口更新方法里做的检测工作整体移入run，主线程只负责信号槽函数更新控件。队列用queue.Queue做缓冲，队列长度限制为2，推理慢时直接丢旧帧，避免积压。改完判断成功的标准很简单：拖动窗口顺畅、帧率数字稳定、关闭按钮能秒退。

5.2 摄像头黑屏或打不开：先索引后权限，最后查分辨率

现象：VideoCapture返回False，或read返回的frame是None；笔记本自带摄像头能开但外接USB摄像头黑屏。

原因：第一是camera_id不对，有些设备自带摄像头占索引0，USB摄像头是1或2。第二是摄像头被会议软件或调试器占用，OpenCV拿不到句柄。第三是权限问题，尤其在linux系统下，python进程没有/dev/video设备的访问权限。

解决：用第3节的探测脚本逐个索引试；关闭所有可能占用摄像头的软件；linux下把当前用户加入video组后再试。分辨率参数要设成摄像头支持的值，把1280x720改成640x480再试——很多廉价USB摄像头对高分辨率支持不完整，会直接黑屏。最后，不用时记得cap.release()，否则第二次启动会被残留句柄卡住。

5.3 检测框乱跳：置信度阈值与目标跟踪

现象：人脸框忽大忽小，同一个学生两帧之间位置跳变，座位上的人偶尔消失，偶尔把书本误检成手机。

原因：检测置信度阈值设得太低，模型把噪点也框了出来；没有做跟踪，每一帧独立检测，模型抖动被直接呈现；另外教室光线变化会让同一目标在不同帧的置信度波动。

解决：把conf从默认的0.25提高到0.35到0.45，观察误检率变化。再加一个基于IoU的简易跟踪，或引入ByteTrack这类轻量跟踪，让每个学生有稳定ID。分数计算必须基于“跟踪后的ID”而不是“每一帧的检测框”，否则按学生聚合统计时数据会崩坏。顺带检查一下class_names.txt的类别顺序，检测结果显示错位时，这个文件往往是元凶。

5.4 模型加载报错KeyError或shape mismatch

现象：加载权重后推理报错，错误信息里出现KeyError或shape mismatch；YOLO权重换版本后报class数量不对。

原因：权重文件与代码里的模型定义不一致，或者ONNX的输入尺寸与预处理尺寸不一致。也有人用新版本torch加载旧权重，遇到序列化格式不兼容的报错。

解决：如果还在调试阶段，换回源码配套的预训练权重，不要一开始就混搭。如果坚持用自己训练的权重，必须确认训练时的类别顺序、输入尺寸与推理代码一致。用ONNX的InferenceSession加载时报输入名字不同，打印session.get_inputs()[0].name，把预处理代码里的输入名改成一致即可。改动之前先把原始权重备份一份，这是你的后悔药。

5.5 分数不动或恒为零：先查信号来源

现象：检测框正常，但专注度分数一直不变，或者全部学生都是0分。

原因：scorer模块拿不到姿态角度，通常是姿态估计的输入裁剪出了问题。人脸框坐标是原图坐标系，姿态模型输入是缩放后的裁剪图，坐标变换没对齐；或者角度输出范围理解错了，有的模型输出弧度，代码当角度用，算出来的分数自然异常。

解决：在推理管线里加一段打印，单独输出某张人脸图的pitch、yaw、roll原始值和score中间结果。更直接的方式是对一张已知角度的测试图跑一次姿态模型，确认输出范围。如果输出在-1到1之间，大概率是弧度，需要乘以57.3转成角度。这条链路是整系统里最容易变成黑匣子的地方，逐级拆分排查比整体猜测有效得多。

提示：遇到这类问题，先把推理层的中间输出打印全。死磕UI代码之前，先确认模型输出了什么。

6. 从能跑到跑好：课堂统计报表、离线回放与模型加速的三个进阶技巧

系统能实时跑起来只完成了一半。要进课堂或答辩，得让数据能沉淀、效果可展示、速度可交代。

6.1 统计报表：让专注度数据沉淀下来

把每帧的每个学生ID、专注度分数、时间戳写入CSV，课后按时间段聚合。以5分钟为窗口计算班级平均分曲线，一眼就能看出哪些时段学生疲劳。关键点是CSV写入要在推理线程里异步处理，不要阻塞UI；文件按日期命名，避免长时间运行导致文件过大。所有课堂分析系统最后看的都是报表而不是实时画面，实时画面是过程，报表才是结论。

6.2 离线回放：演示更稳、调试更快

接一路实时摄像头做演示，在场地、灯光、网络不稳定的场合容易翻车。替代方案是把课堂视频先录下来，给camera.py增加一个video模式，把摄像头源替换成视频文件路径。演示时可以反复暂停、放大某个区域，效果远比实时流稳定。调试也更省力，任何效果问题都能对着同一段视频复现，而不是靠运气复现现场。实现时只需要给采集层加一个is_video参数，推理链路完全不用改。

6.3 模型加速：普通笔记本也能流畅跑

优先做两件事：把模型统一导出成ONNX，再做int8量化。量化后精度会掉一点，但专注度分析输出的是分数区间，完全可用。另一个有效的改动是推理分辨率分级：检测用640输入，姿态估计用128或160输入。检测框的精细度对专注度分数影响不大，但速度能提升接近一倍。合理做法是分模块设置输入分辨率，而不是所有模型共用一套缩放。

最后说一个我的教训：整个项目做完回看，最耽误时间的不是模型训练，而是摄像头角度阈值拍脑袋。当时在教室现场花了一晚上调pitch阈值，后来才意识到不同安装高度的摄像头，同样的低头动作角度数值差异很大。正确做法是先录5分钟现场视频，统计正常听课状态的角度分布，再定阈值，而不是拿论文里的经验值硬套。希望这个教训能帮你省下一晚上的调参时间，也希望这篇笔记能让你手里的源码真正跑起来、跑得稳。希望帮到你。

本文还有配套的精品资源，点击获取