为了解决目前高斯框架下的方法只能在某个特定的误检率(FalsePositive Rates，简称FPRs)区间内性能较好的问题，本发明专利提出一种高斯框架下近似最优的肤色检测方法，称为多高斯模型(Multiple GaussianModels，简称MGMs)，并推导出其离散和连续的形式。该方法对于整个FPR区间内都具有很好的性能。首先将RGB颜色空间归一化得到rgb空间，然后建立多个最优单高斯模型，最后将多个最优模型融合。MGMs模型包含多个最优单高斯模型，每个高斯模型对应于一个事先定义的FPR值。在每个FPR情况下，对应的最优模型会得到最高的肤色检测率(True Positive Rates，简称TPRs)，该模型采用基于搜索算法的优化问题求解来获得。因此，对于所有的FPR值，MGMs模型能够在高斯框架下获得近似最优的肤色检测性能。此外，MGMs模型与单高斯模型(Single Gaussian Models，简称SGMs)在测试环节具有相同的计算复杂度。