皮肤区域识别是人脸检测、定位和跟踪技术的基础；图像中皮肤自动检测在图像内容识别和过滤，视频压缩以及基于内容的检索等方面发挥着十分重要的作用。由于颜色和纹理是皮肤最为显著的特征，因此基于颜色和纹理的皮肤检测方法的研究显得尤为重要。 在使用颜色特征检测皮肤区域的方法中，使用贝叶斯判决器的非参数肽色建模方法能够建立性能良好的肤色分类器。皮肤纹理的检测是基于区域的检测，目前对纹理检测的研究大多是将图像分成若干区域进行纹理过滤。 本文主要研究内容如下： 一、提出一种在YCbCr颜色空间中基于贝叶斯判决的改进肤色模型。相对于仅在色度平面Cb-Cr建立的肤色分类器，新肤色模型使用贝叶斯判决器同时在Y-Cb和Y-Cr两个颜色平面上建立肤色和非肤色概率比值的分布图。本文采用了3σ高斯归一化和线性化方法，将两个分布图中的概率比值归一化至[0，1]。这样，使用一个阈值对两个分布图有着相同的分类标准。 二、非参数模型的典型缺点是描述肤色分布区域的数据量大。本文的肤色分类器采用改进数组形式的双查询表来描述对概率比值分布图分类后的二值分布图。双查询表能有效保持二值图的分类性能，而需要存储的数据却只有不到原来的七十分之一。 本文同时对Cb-Cr平面基于贝叶斯判决的查询表等三个肤色模型进行了实验，实验结果是新肤色模型有着比较低的漏检率和误检率。 三、提出一种使用滑动窗口和基于高斯混和模型(GaussianMixtureModelGMM)的皮肤纹理检测模型。将滑动窗口思想应用在皮肤纹理检测上可以进行像素级的纹理检测，也可以精确统计纹理模型的性能。在提取窗口纹理特征向量的方式上，除了使用传统的灰度共生矩阵方法外，本文还尝试使用第二代小波变换方法。 两种方法都基本实现了对皮肤区域的检测，实验证明本文提出纹理检测模型是有效的。