Snake模型，也称为动态轮廓模型（Active Contour Model），是一种在1987年由Kass等人提出的算法，主要用于图像处理领域的图像分割和物体跟踪。Snake模型的基本原理是首先在待分割图像中定义一个初始轮廓，然后为此轮廓定义一个能量函数，该函数控制轮廓沿能量降低的方向移动。当能量函数达到最小值时，初始轮廓将收敛到图像中目标的真实轮廓。
Snake模型的能量函数主要由内部能量和外部能量组成，其中内部能量负责控制轮廓的平滑性和连续性，而外部能量则包括图像能量和约束能量，后者根据具体对象形态定义，使得Snake模型具有很大的灵活性。
Snake模型能够有效地从含有噪声和对比度不敏感的复杂背景中分割目标，并能跟踪目标的形变和非刚体运动。然而，Snake模型对初始轮廓的位置比较敏感，因此在实际应用中，可能需要通过一些技术手段来更准确地确定初始轮廓，如分水岭算法、序列图像差分边界、基于序列图像的前一帧图像边界的预测或基于传统图像分割结果进行边界选取等。
此外，为了改进Snake模型的性能，许多学者提出了各种改进的Snake模型，如梯度矢量流（GVF）模型，该模型扩大了经典Snake模型的外力作用范围，加强了对目标凹轮廓边缘的吸引力，从而提高了传统Snake模型的性能。