特征点数量与人脸识别准确度没有直接关系

人脸特征点数量的作用

人脸识别主要包含以下几个步骤：1人脸侦测、2特征点提取、3图片变化，4特征向量推理、5特征向量距离对比。前三个步骤也可称作人脸对齐、第4、5个步骤也叫做人脸识别（主要利用神经网络得到128维度特征向量）。

特征点技术在人脸识别的一系列环节中位于第二个步骤，确实有所应用。但它并不是使用在最核心的人脸比对中，而是在前置的人脸图像预处理环节中。因此，确保人脸五官基础关键点数量及准确性即可，最少有五个点即可（左眼、右眼、鼻子、左嘴角、和右嘴角）。无需一味追求过多关键点的数量，反而特征点数量越多，造成整体计算复杂度越高，计算越慢的情况。
人脸关键点技术可准确定位出人脸五官位置，使用仿射变换将人脸统一“摆正”，尽量消除姿势不同带来的误差，为算法准确提取人脸特征值提供保障。
不信可参考这个.

人脸对齐

采用Retinaface （one-stage）2019年5月问世 ，当时取得了state-of-the-art 的成绩， 是目前最好的开源人脸检测算法，一步推理就可以把人脸检测和特征点提取全部得出，优于mtcnn 以及dlib。
retinaface最大的优点就是检测的速度不受人脸数量的限制。

人脸识别

采用了mobiefacenetV3 工业级精度和速度的轻量级人脸识别神经网络架构，整个模型只有4M，区别于动辄百兆的Resent 神经网络

NCNN 腾讯专门为移动端神经网络推理设计的框架

该DNN神经网络推理框架可以把嵌入式端性能发挥到极致。无论你的硬件是否具有GPU，还是只有CPU。
腾讯NCNN

经过一顿神操作，我的人脸识别+静默活体 在四核Arm7硬件平台，或双核AMD 1.4G主频 X86平台 都已经做到300毫秒内，已打到业内领先。