人脸特征点检测任务是在给定的人脸上定位一组预定义的基准点,如眉毛、眼角、鼻尖、脸颊等。特征点检测是计算机视觉中重要的研究方向之一,它是许多人脸分析任务的前提,例如人脸识别、表情识别和三维人脸重建等。自然状态下的人脸存在多种朝向的情况,然而大角度人脸特征点检测算法还有较大的改进空间,多角度人脸特征点检测的主要困难在于以下三点:1)在偏转角较大的情况下,某些特征点消失不见;2)不同偏转角情况下,特征点的邻域选择可能也会不同,这对于建立鲁棒的人脸特征点检测带来困难;3)对于平面内多种旋转人脸的特征点检测性能较差。本文旨在研究并实现多角度的人脸特征点检测技术,我们将多角度定义为平面外偏转角(yaw)及平面内旋转角(rotation-in-Plane,RIP)两种情况。针对所提出的多角度人脸特征点检测存在的困难,本文设计了详细的算法进行研究与改进,我们提出一种改进的堆叠沙漏网络,主要改进点有:1)引入注意力机制,使网络自适应地强化特征点的邻域选择;2)根据人脸特征的对称性,引入镜像损失函数,从而增强对形状特征的建模;3)提出了基于旋转校正的360度的人脸特征点检测算法。本文提出的算法改进了多角度人脸特征点检测的性能,实验部分对每一个改进点都进行了详细的分析,同时在公共数据集上与当前主流算法进行了比较与分析,验证了算法的有效性。