针对现有的生成对抗网络（GAN）伪造人脸图像检测方法在有角度及遮挡情况下存在的真实人脸误判问题，提出了一种基于深度对齐网络（DAN）的GAN伪造人脸图像检测方法。首先，基于DAN设计面部关键点提取网络，以提取真伪人脸关键点位置；然后，采用主成分分析（PCA）方法将每一组关键点映射到三维空间，从而减少冗余信息以及降低特征维度；最后，利用支持向量机（SVM）五折交叉验证对特征进行分类，并计算准确率。实验结果表明，该方法通过提高面部关键点定位准确度改善了由于定位误差引起的面部不协调问题，进而降低了真实人脸误判率。与VGG19、XceptionNet和Dlib-SVM方法相比，正脸情况下，该方法的ROC下面积（AUC）值提高了4.48到32.96个百分点，平均精度（AP）提高了4.26到33.12个百分点；有角度及遮挡人脸情况下，该方法的AUC值提高了10.56到30.75个百分点，AP提高了7.42到42.45个百分点。