分析了近些年的多种人脸检测方法, 结合并设计实现了卷积神经网络在小型数据集 YouTube face 数据集的 68 点人脸关键点模型构建, 经测试精确度和鲁棒性良好, 并结合 Opencv 预训练的 Haar Cascade 分类器检测人脸, 和基于关键点的简单特效添加, 方 法 简 单 有 效, 可 用 于 实 际 场 景 模 块 的构建。尽管方法简单, 但由于数据集和 GPU 计算力的限制, 模型的泛化性不强, 网络的结构仍需要优化,且达不到现实生活的实时检测要求, 需要在保证精度的情况下, 减少推理时间, 优化算法, 而且关键点应用有许多, 如表情识别、姿态识别与矫正和嘴型识别等, 仍需进一步研究与实现。