随着宽带技术、视频压缩和存储方式的进步，视频作为一种信息容量巨大且极为符合人的认知方式的媒体形式得到了广泛的应用，其传播速度也越来越快，传播范围越来越广。但是，我们在享受这些视频信息带来的便利的同时，其中某些有害的视频信息所能够传播的范围也越来越大，如含有色情、爆炸等场景的视频。因此，有必要对这些视频进行检测、识别和监控。本论文所述的基于内容的视频皮肤检测方法就是要对视频中的皮肤进行有效的检测，并估计视频的皮肤暴露度，为相关人员提供初步的判断标准。 首先，进行视频分割和提取关键帧。通过合理的把视频分割成镜头(shot)，我们可以用关键帧(key frame)作为镜头视觉内容的有效抽象。我们将图象帧划分成色彩相似区域、光照变化区域和色彩改变区域来进行判断，从而解决了亮度变化造成分割不准确的问题。同时，我们设计了相应的关键帧提取算法，将视频的皮肤检测问题转换为关键帧图象的皮肤检测问题。 关键帧图象皮肤检测方法从皮肤的运动特征、颜色特征和纹理特征三个方面进行综合考量。根据皮肤的运动性，首先直接利用MPEG-Ⅰ／Ⅱ中的压缩标准中有关宏块运动预测的方法，提取宏块的运动矢量，将没有运动的宏块过滤掉；然后，利用皮肤颜色的聚合性，在YCbCr颜色空间建立了皮肤的颜色模型，并分别阐述了基于高斯分布模型的皮肤检测法和正反概率表方法；最后，通过对皮肤进行小波变换后的纹理进行统计后，发现有效的利用皮肤纹理特征，可以比较有效的过滤掉那些具有类似于皮肤颜色的背景，分别阐述了基于贝叶斯方法的纹理检测方法和高纹理过滤法。实验结果表明综合利用皮肤的颜色和纹理特征对图象的皮肤检测取得了良好的效果。 在上述基础上，我们对视频的皮肤暴露程度估计进行了初步的探讨，并给出了相应的算法。同时，指出视频皮肤暴露度检测方法并不等同于“色情”检测。 最后，我们介绍了实验系统，并介绍了实验过程，实验结果表明上述方法能够比较有效的在视频中检测出皮肤，并在此基础上，进行一定的视频皮肤暴露度估计，取得了良好的效果。