一种基于深度学习和水平集的人脸分割方 法，解决现有技术存在的针对背景过于复杂或者 灰度不均匀的人脸图像，人脸分割算法执行效果 不理想的问题。基于人脸形状的多样性和复杂 性、人脸图像轮廓边界模糊以及背景复杂等特 点，在图像分割模型中引入深度学习的方法，使 用玻尔兹曼机来学习人脸样本的形状信息，然后 将形状信息引入到采用变分水平集和高斯分布 拟合表达的能量模型中，实现人脸的快速、准确 分割。所建立的人脸分割方法，具有效率高、准确 度高和鲁棒性强的特点；能够减少过分割和欠分 割现象，匹配速度快，可进行实时高效分割。
