面部识别应用在实际中主要由两个步骤组成：人脸检测和特征提取。在单一视觉解决方案中，第一步通过接收摄像头流生成单个身份的多个检测结果。针对边缘设备的实际应用，应优先根据这些身份检测结果对识别的符合程度进行排序。基于这一视角，我们提出了一种通过在人脸关键点检测网络后附加一层来实现的人脸质量评分回归方法。几乎无需额外成本，通过训练这层网络以监控类增强方式回归识别分数，即可获得人脸质量评分。我们在边缘GPU上实现了所提出的方案，包括人脸检测流程中的所有步骤，如检测、跟踪和对齐。全面的实验表明，该方案在不同数据集和现实场景中与最先进的（SOTA）人脸质量回归模型相比具有高效性。