La detección facial en el entorno del aula es la base para el reconocimiento facial de los estudiantes, la asistencia sin sensores y el análisis de la concentración. Debido al equipo, la iluminación y la falta de control de los estudiantes en un entorno no restringido, las imágenes incluyen muchos rostros en movimiento, rostros ocultos y rostros extremadamente pequeños en un entorno de aula. Dado que la imagen enviada al detector se redimensionará a un tamaño más pequeño, la información facial extraída por el detector es muy limitada. Esto afecta seriamente la precisión de la detección facial. Por lo tanto, este documento propone un método YOLOv5 basado en fusión adaptativa para la detección facial en entornos de aula. En primer lugar, se agrega una capa de detección facial muy pequeña en YOLOv5 para mejorar la línea de base de YOLOv5, y se propone una red de fusión de características adaptativas basada en características multi-escala, que tiene la capacidad de fusión de características e información de características ricas. En segundo lugar, se aplica una estrategia de fusión de características espaciales adaptativas a la red, considerando la información de ubicación facial e información semántica. Finalmente, se propone de manera creativa un conjunto de datos de rostros en el aula, Classroom-Face, y se verifica con nuestro método. Los resultados experimentales muestran que, en comparación con YOLOv5 u otros algoritmos tradicionales, nuestro algoritmo muestra un mejor rendimiento en el conjunto de datos WIDER-FACE y el conjunto de datos Classroom-Face.