头发分割是图像分割领域的一大挑战,头发的自动分割对辅助性别分类、身份识别、医疗影像分析以及头部重构、AR染发等都有着重要的意义.基于机器学习方法对头发进行自动化分割是该领域的常用方法,具有效率高性能好的优点.文章梳理了基于早期机器学习的传统头发自动分割方法与基于深度学习的头发自动分割方法的发展历程,重点分析了贝叶斯网络图模型、区域生长算法、聚类算法、图割算法等传统分割方法以及全连接神经网络、全卷积神经网络、U-Net、MobileNet等基于深度学习的分割方法,并归纳对比各方法的分割效果、优缺点和发展方向.基于深度学习的头发分割方法需要使用大体量的数据集对网络进行训练,文章整理了头发分割常用公开数据集的各项属性,并对各方法使用不同数据集的各项分割性能进行对比.在此基础上,对基于机器学习的头发自动分割所面临的困难和挑战进行梳理和分析,针对存在的问题提出解决思路,对该领域的发展前景加以展望.