虹膜识别是生物特征识别中最稳定和最可靠的身份识别方法之一.在虹膜识别的整个流程中，虹膜分割处于预处理阶段，因此虹膜分割结果的好坏将直接影响虹膜识别的精度.自从1993年Daugman第1次提出高性能的虹膜识别系统以来，各种各样的虹膜分割算法陆续提出，尤其是近年来基于深度学习的虹膜分割算法极大地提升了虹膜分割的精度.然而，由于缺乏统一的数据库和评价指标，各种算法的性能比较杂乱而不公平，因此提出了一个公开的虹膜分割评价基准.首先，介绍了虹膜分割的定义和面临的挑战；其次全面梳理了3个有代表性的公开虹膜分割数据库，总结了其特点和挑战性；紧接着定义了虹膜分割的评价指标；然后对传统的和基于深度学习的虹膜分割算法进行了总结，并通过详细的实验对各类算法进行了比较和分析.实验结果表明：当前基于深度学习的虹膜分割算法在准确性上超越了传统的方法.最后，对基于深度学习的虹膜分割算法存在的问题进行了思考和讨论.