肤色检测技术的研究是目前图像识别与理解研究中的一个热点，它是很多基于肤色的应用的前期处理，如人脸检测、手势识别、色情图像识别及过滤等。稳健的肤色检测技术是这些计算机视觉应用系统成功与否的关键处理步骤。虽然已经有许多肤色检测技术出现，但在多数应用场合还不实用，复杂光照下的肤色检测技术还未成熟。因此，本论文侧重研究复杂光照下的肤色检测技术。论文首先介绍了有关肤色检测的基础理论知识，然后对若干关键技术进行了深入研究，完成了以下主要工作：1．分析了几种常用的色彩空间。本文采用了HSV和YCbCr二种色彩空间相结合的方法进行检测，很好的消除了亮度对色度的干扰。这两种色彩空间皆是亮度-色度分离的，其中YCbCr由于其代表亮度的Y分量计算简单，用来确定像素的亮度值，HSV因其色度分量的聚类效果好于YCbCr故用来进行肤色划分。2．分析了几种不同的肤色检测模型。得出基于HSV空间的Bayes模型检测效果最好的结论。为了得出有效的肤色检测模型，本文就适用于大样本集的几种模型：阈值法、基于HSV空间的直方图法(分归一化查找表和贝叶斯分类器2种方法)进行了比较，实验结果表明了结论的正确性。3．建立3种不同强度的检测模型，以适应不同的光照。为解决光照问题，即解决图像中可能存在的高光、阴影问题，本文做了高、中、低光照三个模型，对图像进行肤色检测。4．使用了一种将图像划分成块的方法，可以避免光照的局部光照过强或者过弱的情况。分块后依据每个块亮度的大小进行不同的光照模型检测。