人脸关键点检测是人脸识别领域的基础任务之一。人脸关键点检测目的是自动地估计人脸图片上脸部特征点的坐标,例如脸部轮廓坐标,五官坐标等。传统的人脸关键点检测面临着例如多种人脸姿态,复杂表情,复杂的环境光照等挑战,从而导致检测精度偏低。针对以上问题,本论文对关键点定位问题进行了深入研究,将其分成两个子问题,分别为检测框估计和和关键点坐标计算。针对每个子问题,我们分别设计了不同的卷积神经网络模型,然后通过级联的方式连接上述网络,组成完整的检测模型。最后我们使用大量已标注训练数据对上述模型进行训练,最终得到精确的人脸关键点检测器。通过在多个数据集上的对比实验,我们证明了在复杂场景和条件下,级联卷积神经网络方法可以达到令人满意的效果。相比于传统人脸关键点检测算法,我们提出的算法在精度上有较大的提升。