互联网技术的快速发展导致了敏感信息的快速传播，特别给青少年造成不利的成长环境。为了抵抗来自网络的危害，人们采取了一定的措施对不良信息进行过滤，基于内容的不良图像过滤技术由于其有效的过滤方式而逐渐受到人们的重视，同时它也是基于内容的网络过滤系统所面临的一个亟需解决的问题，其中肤色检测是其关键步骤，提高肤色检测效果对后续的识别过滤起到了至关重要的作用，本课题便是在此背景下开展起来的。　　 目前人们对肤色检测技术已做了较广泛的研究，也取得了一定的成果。一个优秀的肤色检测器需考虑颜色空间的选择和建立肤色模型等的问题，并能够适应光照条件变化，成像设备不同以及广泛的肤色样本差异等，本文主要研究静态图像中的肤色检测技术。　　 论文首先讨论了肤色检测技术中常见的颜色空间以及各种颜色空间的优缺点比较，接着介绍常用的几种肤色模型及各自的特点，着重对基于人脸的肤色检测进行了分析研究，由于不良图像中存在大量的黄色皮肤，我们认为敏感图片中大部分露出人脸，而人脸是人最显著的特征，故本文使用人脸特征提取肤色信息。由于YCgCr颜色空间的肤色像素具有聚类性，提出一种基于YCgCr空间的不良图像肤色检测方法，将含人脸与不含人脸的图像进行不同的处理，对于前者检测图像中可能存在的人脸区域，经过分量直方图阈值分割得到人脸肤色信息，利用人脸肤色信息建立动态肤色模型，对后者使用离线样本学习的方式建立静态肤色模型，检测获得人体肤色，最后通过各自相应的自适应阈值分割进行肤色的提取。对于肤色误检率较高的静态肤色模型，我们使用基于灰度共生矩阵的纹理特征，把一些颜色近似于人类肤色但纹理特征不同的像素过滤掉，从而进一步优化肤色检测效果。实验证明，在不同光照以及复杂背景下，使用基于人脸的肤色检测算法能够较好地提高不良图像的肤色检测率和背景检测率，有助于肤色的精确定位。