人脸分割是现代身份识别领域的主要检测方法之一,目前被广泛应用于安全、工业、医学等领域。三维人脸分割主要分为基于二维图像的分割方法和基于三维数据的分割方法两种。相比基于二维图像的分割方法,使用三维数据进行人脸分割能更好的体现人脸数据本身的空间结构信息,且不受光照、姿态等环境因素的影响,但三维分割方法会带来庞大的输入数据,增加三维分割网络的预测与分割耗时。本文针对三维人脸数据的分割问题开展具体研究,将二维人脸分割网络与三维数据空间信息相结合,构建了一个基于保角变换的二维卷积神经网络,实现了三维人脸数据的分割,设计开发了一套三维人脸区域分割系统。本文的主要工作如下:（1）三维人脸图像预处理。本文基于三维点云平面拟合算法与球旋转曲面重构算法,将BJUT三维人脸数据集转化为了一个零亏格三维人脸曲面数据集。相比原数据集,经过本文算法转化后的数据集在几何与拓扑上满足保角变换理论。基于保角映射方法,对上述数据集进行处理得到了二维人脸映射图像数据集。（2）基于二维卷积神经网络的三维人脸区域分割。本文设计了一个针对保角映射图像的二维encoder-decoder卷积神经网络,以多种编码器解码器结构组合构成了基本网络结构,以基于豪斯多夫距离的函数作为损失函数,实现了对二维映射图像的分割,最后将分割结果映射回三维空间,实现了三维人脸区域分割。本文设计了三维卷积神经网络作为对比网络,将两者分割结果进行了对比分析,验证了本文网络在人脸区域分割性能、训练耗时、分割耗时以及内存占用率上更优。（3）本文基于文中对三维数据预处理的算法以及分割网络,开发了一个三维人脸分割系统。系统中三维数据的采集与实验室工作相关,采用光场成像系统获取人脸三维数据,故系统集成了光场四维数据预处理模块、光场信息获取模块;三维预处理模块、三维数据分割模块等四个模块功能。系统处理结果显示,本文开发的三维人脸分割系统能较好地对光场采集图像进行预处理与分析;对三维数据进行显示、预处理与分割。