本文提出了一种基于深度神经网络架构的鲁棒面部对齐方法——Deep Alignment Network（DAN）。DAN 包含多个阶段，每个阶段都会改进前一阶段估计的面部特征点的位置。我们的方法在所有阶段均使用完整的面部图像，这与最近提出的依赖局部补丁的面部对齐方法不同。通过使用地标热图（landmark heatmaps），该方法能够在算法的前几个阶段提供关于地标位置的视觉信息。使用完整面部图像而非局部补丁使得 DAN 能够处理头部姿态变化较大和初始条件困难的面部图像。在两个公开数据集上的广泛评估表明，DAN 将最先进的失败率降低了多达 70%。此外，我们的方法已提交至 Menpo 挑战赛进行评估。