本发明提供了一种基于深度学习的人形分割方法,将图像输入到深度神经网络的主干部分生成图像对应的高阶特征，随后在神经网络的特征输出端衔接多条并行支路，分别预测人形在图像中外接矩形框的中心位置，宽高以及分割人形的分界线相对于人形外接矩形框中心位置在垂直方向上的坐标偏移。将上述预测到的坐标偏移和中心位置在垂直方向坐标相加即可绘制出水平分界线，将人形框分割成三块，每块分别对应人形的头部，上半身和下半身,相较于将检测和分割分开进行，并且通过人工构建的特征进行区域划分的传统人形分割方法，本项发明的方法步骤简洁，易于实现，分割的精度更高，同时在执行效率上具有巨大优势，更有利于后续对于人形各种外观属性的分析。