Face detection, gesture recognition and pornography content assessment are some of the applications that require the detection of human skin in digital imagery. Most methods employ color as the main feature for this task. Whenever the acquisition conditions are controlled, there is available information about illumination, resolution and geometry, making the skin detection problem a relatively easy task for which there are plenty of results in the literature. The problem becomes more challenging in less structured conditions, mainly because of the influence illumination conditions have on the apparent color of objects. There are proposals for color correction that lead to both good and bad classification results, depending on the input data. When dealing with Web imagery, little can be assumed about their content or about the conditions in which they were acquired, and robust techniques are needed for skin detection. This MSc thesis makes a qualitative assessment of seven skin detection models and of four different types of input data. A heuristic is proposed for deciding if an image requires color correction and, if needed, which is the best suited technique. Results are compared by means of measures derived from confusion matrices, and our approach produces competitive classification products. / A detecção de pele humana em imagens digitais é utilizada para diversas aplicações como detecção de faces, reconhecimento de gestos e detecção de pornografia. A forma mais comum de detecção de pele encontrada na literatura é através da cor. A variação de iluminação pode redundar em efeitos nocivos à detecção de pele, pois a aparência da cor de um objeto é diretamente relacionada com a forma em que ele é iluminado. Para a detecção de pele pela cor exclusivamente, estratégias robustas às variações de iluminação e modelos descrevam corretamente o agrupamento das cores da pele devem ser utilizados. Ao enfrentarmos o problema de detecção de pele em ambientes onde não há controle sobre as características da imagem, não encontramos resultados satisfatórios na literatura, principalmente quando se refere à tentativa de minimizar os efeitos da variação de iluminação. As estratégias de correção de cor presentes na literatura melhoram consideravelmente a detecção de pele em algumas situações específicas, mas degradam esta classificação em outras situações. Neste trabalho, avaliamos o desempenho de sete diferentes modelos de detecção de pele, com quatro diferentes tipos de dados de entrada e propusemos uma estratégia para escolha das imagens que serão submetidas à correção de cor e o tipo de técnica de correção de cor mais adequado para esta imagem. A técnica que utiliza um modelo gaussiano bivariado, utilizando as duas primeiras componentes após aplicarmos transformação de componentes principais ao dados RGB da amostra de pele utilizada para treinamento resultou na melhor técnica abordada nesse trabalho ao utilizarmos a correção de cor proposta. Os resultados obtidos são comparados por meio de diversas métricas derivadas da matriz de confusão, e se mostram pelo menos tão bons quanto os alcançados por técnicas disponíveis na literatura.