姿态角分为Pitch、Yaw、Roll，通过关键点检测得到
人脸识别中，人脸角度相关概念：https://www.jianshu.com/p/73fc0c13d6e0
如何计算得到姿态角：https://blog.csdn.net/u014090429/article/details/100762308
姿态角分为Pitch、Yaw、Roll，用于表示人脸在空间三维坐标系内的角度，常用于判断识别角度的界限值。
各角度阈值如下：
Pitch：三维旋转之俯仰角度，范围：[-90（上）, 90（下）]，推荐俯仰角绝对值不大于20度；
Yaw：三维旋转之左右旋转角，范围：[-90（左）, 90（右）]，推荐旋转角绝对值不大于20度；
Roll：平面内旋转角，范围：[-180（逆时针）, 180（顺时针）]，推荐旋转角绝对值不大于20度；
人脸识别68个点，从0开始
参考文档：https://blog.csdn.net/DUDUDUTU/article/details/125166035
68点标注是现今最通用的一种标注方案，早期在1999年的Xm2vtsdb数据集中就被提出，300W数据集和XM2VTS等数据集也都采用了68个关键点的方案，被OpenCV中的Dlib算法中所采用。 68个关键点的标注也有一些不同的版本，这里我们介绍最通用的Dlib中的版本，它将人脸关键点分为内部关键点和轮廓关键点，内部关键点包含眉毛、眼睛、鼻子、嘴巴共计51个关键点，轮廓关键点包含17个关键点。
// 鼻尖 30
// 鼻根 27
// 下巴 8
// 左眼外角 36
// 左眼内角 39
// 右眼外角 45
// 右眼内角 42
// 嘴中心 66
// 嘴左角 48
// 嘴右角 54
// 左脸最外 0
// 右脸最外 16
106与186点标注
106个关键点标注是商汤科技提出的在业内被广泛采用的方案，包括Face++等企业开放的API多采用这个标注方式，具体信息如下：
外轮廓，33个均匀采样点，比Dlib更加密集。 嘴巴20个关键点，与Dlib标注的相同。 鼻子15个关键点，与Dlib相比增加了两侧鼻梁部位。 眼睛20个关键点，每只眼睛轮廓点共8个，眼球中心点2个。 眉毛18个关键点，区分了上眉毛边界。 后续又在106个关键点的基础上提出了更加稠密的186个关键点，如今各个开发团队使用的点数可能会有差异，比如百度使用过72和150个点的方案。 除了以上这些常用的方案，还有很多的数据集也有自己的标注标准，比如BioID Face Dataset包含20个关键点，BUHMAP-DB包含52个关键点，MUCT包含76个关键点，PUT大部分图像包含30个关键点，其中正面人脸包括了194个点。
人脸关键点可以有以下主要应用：
人脸姿态对齐，人脸识别等算法都需要对人脸的姿态进行对齐从而提高模型的精度。
人脸美颜与编辑，基于关键点可以精确分析脸型、眼睛形状、鼻子形状等，从而对人脸的特定位置进行修饰加工，实现人脸的特效美颜，贴片等娱乐功能，也能辅助一些人脸编辑算法更好地发挥作用。
人脸表情分析，基于关键点可以对人的面部表情进行分析，从而用于互动娱乐，行为预测等场景。
1. 4点、5点、6点标注
人脸面部最关键的有5个点，分别为左右两个嘴角，两个眼的中心，鼻子，这5个关键点属于人脸内部关键点。
2013年的AFW数据集中标注了双眼、鼻子、嘴唇共6个关键点，其中嘴唇有3个点。
备注
pitch
英 [pɪtʃ] 美 [pɪtʃ]
v.
抛;投球;用力扔;投;当投手;触地;(使球)定点落地;击出大曲线球;重跌;颠簸;确定标准;（使产品或服务）针对，面向;推销;定音高;搭（帐篷）
n.
球场;(体育比赛的)场地;(感情、活动等的)程度，力度;(事物的)最高点;(尤指乐音的)音高;推销的话;投球;沥青;街头售货摊点;（船在水上的）上下颠簸，纵摇;倾斜度
yaw
英 [jɔː] 美 [jɔː]
vi.
偏航
n.
【海,航】偏航(角)；侧滑(角)
roll
英 [rəʊl] 美 [roʊl]
n.
卷;卷轴;一管;小面包条;小圆面包;翻滚;摇晃;脂肪堆积的部位，肥胖的部位（尤指腰部）;花名册;隆隆声;掷骰子
v.
(使)翻滚，滚动;(使)原地转圈，原地打转;(使)翻身，翻转;使…成球状（或管状）;把（衣服的边）卷起来;使平坦;（用某物）包裹，覆盖;（使）摇摆，摇晃;发出持续的声音;启动
文章出处登录后可见！
