人脸作为直接、可靠的生物特征,被广泛应用于信息安全、社会公共安全、虚拟现实和增强现实等领域。人脸特征点检测不仅是许多人脸分析任务中至关重要的预处理步骤,也是图形学和计算机视觉领域的一个基本问题。尽管过去十年中二维人脸图像特征点定位技术快速发展,但二维图像对光照等环境因素并不鲁棒,而三维人脸可以较好地弥补这些不足,因此三维人脸特征点定位吸引了越来越多的关注。现有三维人脸特征点定位方法主要基于脸部特征描述子或者基于投影并结合二维方法,前者在存在头部姿态偏转的情况下并不适用,而后者则大多未考虑姿态问题。由于真实世界中采集的三维数据大多存在头部姿态偏转,导致脸部数据不完整,给三维人脸特征点定位带来很大的挑战。目前克服头部姿态影响的方法大多基于多视角模型,不仅训练成本高,实施也复杂。针对大姿态下的三维人脸特征点定位问题,本论文完成的主要工作如下。1)提出一种基于姿态预矫正的三维人脸特征点定位算法。该算法将大姿态下的三维人脸特征点定位分为两个独立子问题,分两步完成特征点定位:第一步,将三维人脸投影为深度图,使用预训练的姿态估计网络得到当前人脸在俯仰和偏航方向的欧拉角,并据此旋转人脸到正脸视角,此后将该人脸坐标编码成一张位置图（Position Map）。第二步,将位置图送入特征点定位网络输出特征点在图上的像素位置,据此得到对应的三维坐标。2)提出一种级联结构的大姿态三维人脸特征点定位算法。受二维方法中解决大姿态下特征点定位问题的启发,该算法利用姿态矫正和特征点定位之间的促进关系,通过级联结构实现姿态矫正和特征点定位的联合优化。该算法将点云编码成位置图输入前置特征点定位网络,得到初步估计的特征点坐标,再结合正脸坐标模板估算出旋转矩阵;将旋转矩阵作用于位置图,得到姿态矫正后的点云;级联上述过程,最终得到一组更加精确的三维特征点坐标。3)评估本文级联结构算法在低精度三维人脸数据上的效果,分析讨论了三维数据精度对人脸特征点定位的影响以及可能的解决方案。本文在三个公共数据集（FRGCv2,UND和Bosphorus）上对算法进行全面评估,并与经典方法和先进方法进行对比分析。实验结果表明本文方法为大姿态下三维人脸特征点定位问题提供了一种可行的解决方法。