实时人脸关键点检测技术在视频追踪、增强现实、人脸识别等领域具有广阔的应用前景,但是在实际应用部署中仍面临很多问题。基于APP的部署方式需要针对不同手机端系统进行适配,难以满足人脸关键点检测服务的跨平台需要,而Web+云计算的部署方式带来的网络延迟又难以满足人脸关键点检测的实时性需求。小程序作为5G时代边缘计算的重要平台之一,为人脸关键点检测技术提供了一种跨平台,普适化的部署解决方案。但是在小程序环境中运行卷积神经网络存在的主要问题是小程序平台计算能力受限,且应用体积需小于2MB才能达到小程序离线部署的要求,而目前主流的目标检测神经网络体积较大,计算量较高,既无法满足小程序的部署要求,又难以满足人脸检测的实时性需求。因此在小程序环境下部署人脸关键点检测应用,需要设计轻量化的神经网络结构,并且通过有效的神经网络模型压缩方法减小模型的计算量和体积。本文的研究工作主要包括三方面:在人脸检测方面,设计了轻量化的特征提取骨干网络,同时为了保证轻量化网络的检测性能,通过对多尺度金字塔网络结构进行改造以及设计感受野增强模块来丰富特征的尺度信息和上下文信息,从而提高轻量化目标检测网络的检测能力;在人脸关键点定位方面,在现有网络结构的基础上,提出了一种基于卷积Bottleneck结构的改进方案,该方案能够有效减小人脸关键点定位网络的参数量和计算量,同时在轻量化网络结构的基础上通过引入注意力机制模块来加强网络的特征提取能力,从而保证关键点的检测精度;在部署方面,主要研究了小程序技术与Web技术的差异,并且设计了一套基于小程序的人脸关键点实时检测系统的整体流程,最后成功实现了卷积神经网络在小程序端的部署应用。最后,进行了相关实验,测试了基于小程序的人脸关键点实时检测系统功能的可用性与轻量化神经网络结构的有效性。