面部关键点定位旨在检测人脸的预定义特征点，近年来随着基于神经网络的方法快速发展，该领域取得了显著进展。然而，在非受限场景下，尤其是面对大姿态变化时，该任务仍面临巨大挑战。本文针对大姿态下的人脸关键点定位问题，提出一种基于“拆分-聚合”策略的解决方案。为有效缩小搜索空间，我们设计了一组锚点模板作为回归参考，能够很好地应对人脸姿态的大幅变化。在此基础上，针对每个锚点模板的预测结果，我们进一步提出一种聚合机制，以降低因大姿态带来的关键点定位不确定性。总体而言，所提出的名为 AnchorFace 的方法在四个具有挑战性的基准数据集（AFLW、300W、Menpo 和 WFLW）上均取得了当前最优的性能，同时具备极高的推理效率。代码将开源，地址为：https://github.com/nothingelse92/AnchorFace。