人体的皮肤颜色是人体的一个重要特征,肤色检测被广泛的应用于人脸跟踪、人脸检测、手语识别、敏感图像过滤等领域中,具有重要的理论研究意义和实际应用价值。因而近年来吸引了大量的研究人员对其进行研究,尤其是近十年来,肤色检测技术更是得到了长足的发展。但是,对目前肤色检测研究现状的分析表明肤色检测问题仍有待于更加深入的研究:1.目前已经提出的肤色检测技术多采用阈值固定的肤色模型,缺乏对不同光照环境下、不同图像背景的自适应性;2.模型参数多为离线固定,无法针对每幅图像形成具有针对性的模型;3.对于图像中存在的大量混淆背景缺乏有效的去除手段,导致肤色误检率过高。针对以上问题,本文试图在分割阈值自适应、动态肤色建模、混淆背景去除等方面进行探讨,以尽可能的提高肤色检测性能。具体而言,本文的主要研究工作包括:1.对于已有肤色检测算法进行了分类与概括,重点介绍了四种较具代表性的肤色检测算法,并在一个较大规模的数据集上比较了它们的实际检测性能。2.提出了一种基于统计颜色模型的自适应阈值肤色检测算法。根据图像的肤色概率分布直方图和四条启发式规则找到最优分割阈值候选点,然后利用ANN算法得到最优阈值,同时提出了一种图像关系运算,可以在一定程度上去除混淆背景。3.提出了一种人体肤色动态建模的检测方法。利用人脸检测结果,结合混合高斯模型,以人脸肤色为样本在线建立了具有针对性的人体肤色模型。4.提出了一种去除图像中混淆背景的有效方法。结合肤色概率方差直方图与混合高斯模型,采用逐段处理的方法去除图像中的多种混淆背景。