人脸关键点定位目的是自动定位出人脸至关重要的部分,例如眼、嘴、鼻、眉毛、脸型轮廓等,其也是人脸跟踪、姿态估计、3D人脸重建、表情识别、人脸美颜、人脸识别等人脸应用的重要前提。尽管人脸关键点定位有很长的研究历史,但人脸关键点定位的性能仍受遮挡、光照、表情、姿态等不利因素的影响,为解决以上问题,本文提出了基于卷积神经网络的人脸关键点定位方法和基于沙漏网络的人脸关键点定位方法。本文的主要工作如下:(1)本文提出了基于CNN的人脸关键点定位方法,该方法以残差网络为基础,对其核心部分残差模块进行改进,提出了一种基于空洞卷积的瓶颈残差模块和一种基于注意力机制的瓶颈残差模块。通过基于空洞卷积的瓶颈残差模块融合不同感受野的特征图,扩大感受野并增强卷积神经网络的表征能力。通过注意力机制筛选人脸图像上重要信息,并抑制无用干扰信息。其次,本文采用堆叠基于空洞卷积的瓶颈残差模块和基于注意力机制的瓶颈残差模块的方式来进一步增强网络的性能,提高人脸关键点定位的精度和准确率。实验结果表明,利用300W公开数据集上的数据进行人脸关键点定位,该方法比原残差网络定位精度提升了6.45%,且超过了目前一些关键点定位方法。(2)本文提出了基于沙漏网络的人脸关键点定位方法,该方法借鉴在人体姿态估计中取得优异性能的沙漏网络来进行人脸关键点定位,由于原沙漏网络输入输出尺寸不一致会带来量化误差,本文对原沙漏网络进行一些修改,通过降低网络输入尺寸和增加上采样的次数来避免量化误差。进一步,本文改进了原沙漏网络的上采样方式,采用反卷积代替原始沙漏网络的最近邻插值。实验结果表明,利用300W公开数据集上的数据进行人脸关键点定位,该方法比原沙漏网络定位精度提升了5.2%,且超过了目前一些关键点定位方法。