实时人脸关键点检测技术在增强现实、人机交互等媒体娱乐领域具有广阔的应用前景。但是在实际应用中仍存在很多问题。由于APP难以满足人脸关键点检测服务的跨平台需要,而云计算带来的网络延迟又难以满足人脸关键点检测的实时性要求。端计算作为终端智能的一个重要组成部分,为云计算提供了有益补充,因此端计算模式下基于Web的实时检测为人脸特征点检测提供了一种跨平台、普适化的解决方案。但是在Web环境中运行神经网络模型存在的主要问题是浏览器计算能力受限,而主流的目标检测网络因为模型体积较大,计算量较高,在Web端达不到实时的效果,因此在Web端进行实时的人脸特征点检测,需要使用轻量级的目标检测网络结构并通过有效的神经网络模型加速与压缩方法减小模型的计算量与内存占用。本文的研究工作主要包括两方面:一方面,设计并实现了一种轻量级的人脸特征点检测神经网络。另一方面,在实现的轻量级目标检测网络的基础上实现了端计算模式下基于Web的人脸关键点实时检测系统。最后,进行了相关实验,测试了基于Web的人脸关键点实时检测系统功能的可用性,验证了基于回归方法的轻量级人脸特征点检测网络的有效性与模型加速方法的有效性。