تشخیص پوست انسان یک فرآیند آنالیزی مهم در سیستم های نظارتی هوشمند است و در برنامه های کاربردی زیادی بویژه در نظارت های ویدئویی مورد توجه قرارگرفته است.تشخیص رنگ پوست به عنوان یک پروسه مهم در سیستم های بینایی مانند تشخیص حرکات و اشارات ، دنبال کردن حرکات دست ، تشخیص صورت ، شناسایی چهره وغیره می باشد. فرآیند پیدا کردن پیکسل و نواحی رنگ پوست در تصویر یا ویدئو را تشخیص رنگ پوست می گویند. به دلیل اینکه پردازش براساس رنگ پوست نسبت به پردازش براساس ویژگی های دیگر صورت سریعتر است، رنگ پوست یک ویژگی مهم در تشخیص صورت می باشد.روش های مختلفی برای تشخیص پوست ارائه شده است که در بیشتر آنها از اطلاعات رنگ و فضاهای رنگی مختلف استفاده شده است. روش های مبتنی بر اطلاعات رنگ اگرچه سرعت خوبی دارند، اما در بعضی موارد دقت بالایی ندارند. برای بهبود این روش ها، تکنیک های مبتنی برناحیه یا بافت ارائه شده اند. طبقه بند های مختلفی برای عمل تشخیص پوست پیشنهاد شده اند که دراکثر آنها پیکسل های تصویر را بصورت انحصاری و بدون در نظر گرفتن ارتباط فضایی پیکسل های همسایه طبقه بندی می کنند.روش های زیادی برای تشخیص پوست ارائه شده است. دراغلب این روش ها از اطلاعات رنگ پیکسل برای طبقه بندی پوست استفاده کرده اند. این روش ها اگرچه سرعت بالا و درجه تشخیص درستی (tpr) بالای دارند اما دربسیاری موارد درجه تشخیص نادرستی (fpr) آن ها نیز بالا می باشد. که این امر موجب پایین آمدن دقت این مدل ها می شود. یکی از دلایل پایین آمدن دقت مدل های تشخیص پوست وجود عناصر زیادی در دنیای واقعی است که از نظر رنگی شباهت زیادی با پوست انسان دارد مثل کویر، شن و ماسه، چوب، بعضی حیوانات حیات وحش و غیره. زمانی که فقط از اطلاعات رنگ برای تشخیص پوست استفاده شود این عناصر به علت شباهت با رنگ پوست انسان، بطور اشتباه به عنوان پوست طبقه بندی می شوند. یکی دیگر از عواملی که روی تشخیص پوست تاثیر زیادی دارد، شرایط و نوع نورپردازی می باشد که موجب ایجاد سایه و تغییر رنگ درعناصر موجود درتصویر می شود.دراین رساله، یک مدل ترکیبی آماری برای تشخیص پوست پیشنهاد شده است و برای بهبود عمل تشخیص پوست از ویژگی های رنگ و بافت استفاده کرده ایم. میدان های تصادفی شرطی(crf) را بعنوان طبقه بند پیشنهادکرده ایم که بوسیله آن ویژگی های مختلف رنگ و بافت را بطور آماری باهم ترکیب کنیم و ارتباط بین پیکسل ها را برای طبقه بندی مدنظر قرار دهیم، درنهایت توزیع احتمال شرطی برچسب کلاس(پوست وغیرپوست) رابه شرط ترکیبی از ویژگی های داده شده مدل کنیم. این امر منجر به یک مدل تشخیص پوست دقیق می شود، نتایج و آزمایشات انجام شده روی پایگاه داده های مختلف نشان دهنده موفقیت مدل پیشنهادی برای تشخیص پوست بوده است.