直方图分割后，可得到若干区域，然后根据肤色模型(即Hsu R L方法中的椭圆模型)来确定可能为肤色点的区域。可将Hsu R L的椭圆模型的中心点设为标准中心点，然后比较各个区域的峰值点与标准中心点的距离，距离越近，为肤色区域的可能性越大，可将其保留。最后，对输入图像的每个像素进行检测，若其在YCb′Cr′空间中的Cb′Cr′分量属于肤色区域，则定义为肤色值，否则为非肤色值。

4 实验结果分析
    笔者对总共100幅图像进行了实验。每幅图像均包含人脸肤色区域，人脸大小与光照变化范围均比较大，且背景复杂。测试时，可使用如下三个准则来评价分割结果：
    (1)肤色检测结果好，可去除绝大多数背景；
    (2)肤色检测结果一般，结果中仍有较多的背景；
    (3)肤色检测结果差，结果中去除了较多肤色区域。
    表l所列是对这100幅图像进行肤色检测算法的实验结果。

    由表1的结果可以看出，Hsu R L方法检测出的结果有许多类似肤色的像素点，且不能检测图像的高光部分，而本文的算法则能准确地找到肤色分布区域，且对高光部分也不敏感。

5 结束语
    由于本文算法是基于单幅图像的颜色分布，并不是采用某种固定的肤色模型，故能很好的适应光线的变化，从而提高了肤色的有效分割率和检测效果。