肤色检测技术是人脸检测与识别、表情识别、手势识别、人体检测、图像与视频索引等计算机视觉系统的重要组成部分。在色情图像检测过程中，它可以起到关键作用，目前，该技术已被广泛地应用于视频监控、互联网不良信息过滤等。因此，对于肤色检测的正检率和检测效率的要求越来越高，然而在具有复杂背景的图像中，很难将类肤色像素与肤色像素准确区分，检测效率低，本课题就是在这样的背景下展开研究工作。　　本文介绍了现有肤色检测技术的国内外研究现状，系统地介绍了肤色建模的常用方法，包括明确定义肤色阈值的方法、参数化的高斯密度函数估计法、非参数化的直方图统计法以及半参数化方法，并分析比较了这些肤色建模方法各自的优缺点。　　在此基础上本文提出了一种复杂背景下的肤色检测方法。在对RGB颜色空间及其线性变换、非线性变换空间对比分析的基础上，选择RGB和YCgCb颜色空间相结合的肤色建模方法。将大量手工标记出肤色区域的样本图像在混合颜色空间分别进行离线学习，获取RGB颜色空间的肤色分布范围，在YCgCb颜色空间中拟合得到肤色“圆”，并对两颜色空间中的肤色分布进行“与”运算，得到初始肤色二值掩码图像。但由于人种的差异及光照等外界干扰因素，上述方法检测出来的结果不是很准确，所以加入人脸信息进行自适应的肤色建模。首先用Adaboost算法检测图像中是否存在人脸，若存在则统计人脸区域的肤色分布并建立肤色检测模型，然后将该模型检测得到的结果与混合颜色空间肤色模型检测结果相结合，最终获取待检图像中的肤色区域。实验结果表明，该算法能够较好地检测出复杂背景中图像的肤色区域，尤其在准确检测到人脸的情况下。　　此外，针对不存在人脸的图像用静态肤色模型检测时，不能准确的区分图像中的类肤色像素，因此本文加入纹理信息来进一步精确判定已检测出的肤色像素是否为肤色像素。虽然加入纹理信息后，在检测速度上会有所下降，但较大地提高肤色的正检率。　　最后，本文对所做的工作和研究成果进行了总结评述，同时也总结了复杂背景下肤色检测技术中存在的问题，并在此基础上对未来的工作进行了展望。