人脸对齐在计算机视觉领域有着举足轻重的地位,是人脸识别中关键的步骤之一,被安防、金融和娱乐等多领域推广。因此快速、准确的人脸对齐对人脸识别技术影响巨大。目前,复杂的人脸变换、图像背景和采集的设备等系列因素让人脸对齐仍然面临着重大挑战。本文利用沙漏模型的优势在实时性方面进行研究,但特征提取仍有局限,因此进一步利用改进的沙漏模型——高分辨率模型在准确性方面展开研究和讨论。第一,针对沙漏模型在人脸对齐上运用出现网络结构复杂、时间开销大的问题,提出一种包含深度可分离的轻量级沙漏网络。该网络先通过知识蒸馏构造轻量级沙漏网络,解决网络结构复杂的问题;其次,深度可分离卷积被用于沙漏模型中来简化复杂网络,解决时间开销大的问题。在300W和WFLW数据集上的实验结果表明,该模型与近年的人脸对齐模型比较,在对齐精度基本保持不变的基础上对齐速度明显提高。第二,针对改进的沙漏模型——高分辨率网络用于人脸对齐在提取特征时缺乏局部和整体关键点的关联,提出一种全局信息保留的高分辨率模型。该模型对网络维度进行调整,利用新残差来提取不同尺度的特征信息达到平衡信息丢失目的;另外结合特征融合,增加细节描述,保留更多空间背景等有效信息;最后通过中间监督机制输出每层分辨率网络的损失,防止梯度消失、降低噪声。在沙漏模型运用的数据集基础上,增加变化更多的COFW数据集,与近年的人脸对齐模型比较,在保持实时性的基础上,结合全局信息突出特征信息,此模型对齐精度具有一定的优势。