基于二维照片的青年男性颈肩部形态分类与识别

为探究青年男性颈肩部形态分类并实现基于照片的自动识别,首先通过三维人体扫描仪获取180名男大学生颈肩部的点云数据,测量了22个与男性颈肩部形态相关的特征参数;然后根据变异系数分析选取前倾角、背入角、肩斜角、颈肩宽比、颈横矢径比作为聚类分析变量,对颈肩部形态进行分类并总结判别规则;最后结合人体二维照片提取体型分类所需参数,构建了颈肩部形态自动识别系统。结果显示:青年男性颈肩部形态可分为落肩圆颈体、前倾圆颈体、宽颈直体3类,构建的形态自动识别系统的判别准确率达到93. 33%,说明本文方法可行且有效,可满足消费者个性化定制的需求。     

基于图像的人体颈肩部三维模型构建

为实现个性化服装在线设计和虚拟试衣,提出一种基于人体正侧面照片的尺寸测量及建模方法.首先结合202名青年女性的三维点云数据确定与人体颈肩部形态相关的8个特征截面层,以各截面层中心点为基准点每隔10°测量角度半径并分析其与截面厚度、宽度之间的关系,建立各截面层的曲线形态规则.然后基于人体正侧面照片进行图像分割以提取人体轮...     

基于身高体重的青年女性躯干形态分类及识别

为了快速便捷地识别青年女性躯干形态,获取了304名年龄在18～25周岁青年女性的躯干形态参数,包括身高、体重及围度相关参数,将女青年躯干形态分为3类(“O胖体”“H匀称体”“X瘦体”),并归纳出每类体型的判别规则;同时建立了基于身高、体重的BP神经网络预测模型,实现了胸围、腰围和臀围的尺寸预测。结果表明：依据3类青年女性躯干形态的分类规则,88%基于身高、体重预测的样本都被正确分类,证明本文中基于BP神经网络预测模型进行体型识别的方法可行,可为个性化样板的生成提供技术参考和理论依据。     

基于椭圆傅里叶算法的青年女性躯干形态分类

为探究人体躯干形态间的差异,本文于212份人体三维点云数据中随机选择120个样本进行过胸凸矢状轮廓曲线的提取,结合椭圆傅里叶分析对轮廓曲线进行研究。计算并分析不同最大谐波次数下的拟合误差,确定实验用最大谐波次数为15;运用15次谐波对所有样本的轮廓曲线进行椭圆傅里叶变换,获取能客观描述曲线形态的规格化描述子。通过对规格化后的描述子进行主成分分析,最终提取10个主成分。利用混合F统计量确定最佳分类数,以成分得分为依据,运用K-means聚类方法将样本形态分为5类。研究得出：各分类之间于肩部、胸部、腹部、臀部、后背弯曲程度及侧面厚度等方面均存在较为明显的差异,依据椭圆傅里叶描述子可以对躯干形态进行合理有效的分类。     

基于青年女性躯干形态的服装号型标准分析

针对现如今消费者对服装合体性和个性化的需求,将青年女性躯干形态进行细分研究并与中国现有服装号型进行对比分析。通过采集209名18~25岁青年女性的人体尺寸信息,首先对采集的样本尺寸数据进行聚类分析,然后分析计算出各类体型身高与胸围、腰围的覆盖率,最后将聚类结果及国标分类结果与号型标准进行对比。结果表明:青年女性体型可分为I、H、S、O 4类,分别占样本总数的34.80%、28.92%、23.04%和13.24%;其中H、I体型中身高/胸围覆盖率最大的都为160/80,O体型身高/胸围覆盖率最大的是165/92,S体型身高/胸围覆盖率最大的是160/88;聚类中H、S体型与国标中A体型较接近,O体型与B体型较接近。该结论可以为服装企业合理配置号型提供参考。     

基于局部特征的青年女性腿部形态分类

为提高女性裤装的合体性与舒适性,采用三维测量法、图像测量法及手工测量法相结合的方式,对236名18~25岁的青年女性腿部形态进行测量,获取20个相关特征变量;通过主成分因子分析得到影响腿部形态的主要特征因子,通过聚类分析得到青年女性腿部形态的分类结果;最后结合膝曲角的正负归纳出各类腿部形态的辨别规则并进行辨别验证。研究得出:影响腿部形态的主要特征因子有水平围度因子、长度因子、小腿围度差因子、腿部曲度因子、腿部轮廓因子和大腿围度差因子;人体腿部形态可分成圆体型、稍扁体型和扁体型3类;以大腿宽厚比、大腿根围膝围比、大小腿长比及膝曲角4个变量建立腿部形态分类规则。     

基于决策树算法的青年女性腰臀部识别

为提高青年女性腰臀部分类的准确性,为个性化定制提供依据,构建了一种基于决策树算法的青年女性腰臀部识别模型。采用聚类分析对收集到的153名18～25岁的青年女性腰臀部数据进行分类,提取5项反映腰臀部形态的典型指标,根据指标将腰臀部形态分为3类;再运用CART决策树算法将样本数据按70∶30的比例划分为训练集和测试集,并根据基尼系数选择最佳节点和最佳分支,构造分类树,研究青年女性腰臀部形态的分类规则,以可视化的形式来展现结果。结果表明:青年女性的臀部形态可分为3种,即凸臀体、正常体和凸腹体。决策树算法对腰臀部的分类识别效果良好,是一种切实有效的算法。     

基于体表形态角度的青年男体分类研究

以18-26周岁的201名在校男大学生为研究对象，用数码相机拍摄人体正面和侧面照片，利用Corel—DRAW10．0量取人体体型特征的各角度值。运用统计软件SPSS11．5对测量角度进行相关性分析以确定显著性体型角度。按照显著性体型角度对所测量的男性人体进行了体型分类研究。结果表明，按照体表形态角度进行青年男性分类是一种新颖、实用的方法。     

基于MEA-BP神经网络的青年女性臂部体型识别

青年女性臂部体型包含了大量的非线性特征,单一的BP神经网络很难达到理想预测精度,为快速准确地识别青年女性臂部体型,提高预测精度,本文构建了一种基于思维进化算法（MEA）优化BP神经网络的青年女性臂部体型识别模型。首先,通过[TC]²三维人体测量获取611名青年女性的臂部数据;其次,通过主成分因子分析得到影响青年女性臂部体型特征的5大形态因子,选取5个特征指标采用两步聚类法将臂部体型分为4类;最后使用Matlab软件构建基于MEA-BP神经网络的青年女性臂部体型识别模型。实验结果显示：该模型能有效识别臂部体型,准确率为95.45%,与单一BP神经网络和GA-BP神经网络对比,该模型具有更高的预测精度和更优的非线性映射能力。     

基于三维人体测量的女性肩部研究

肩部作为人体和服装的贴合区,是服装结构设计重要的部位之一,也是服装合体性要求较高的部位之一.为提高服装肩部的合体性,以三维人体测量为基础,获取与肩部相关的部位数据,使用SPSS软件进行数据处理.首先将肩部相关变量进行归类,根据特征指标的算法,得出每类的特征部位,确定出肩部的特征部位,即肩宽和右肩倾斜角度.对特征部位的数...     

基于三维人体测量的青年女性臀部体型细分

如何实现准确的体型分析是满足消费者对服装合体性要求的关键问题。为提高服装臀部的合体性,本文着重探讨与人体臀部体型密切相关的截面曲线的变化,借助数理统计方法对女性臀部体型进行细分。以三维人体测量为基础,选择了300名年龄在20-24岁之间的在校女青年测量其臀部数据;对获取的28个臀部测量项目进行聚类分析,根据典型指标的算法,提取了能全面反映臀部特征信息的6个典型指标;依据典型指标,通过方差分析,将臀部体型细分为5类;通过对比臀部截面曲线特征,最终验证了5类臀部体型细分的合理性。     

基于图像处理技术的车型自动识别系统设计

从图像处理角度,提出了在一定时间内,根据实时阈值来判定背景是否需要更新的一种实时背景更新算法,据此设计了一个速度快、鲁棒性好的车型自动识别系统.通过实验验证了方案的可行性.算法中α值对于背景更新至关重要.     

基于随机森林的女性体型判别

针对目前服装行业亟待解决的服装合体性问题,为准确判断用户体型,分析730名年龄在18-50岁之间的女性体型数据,提取表征体型特征的六个重要因子;根据特征因子,从整体、局部和躯干轮廓三个层面对女性体型分类;在此基础上,以随机森林理论算法为基础,以R语言为实现工具,建立女性体型分类判别模型。结果显示,三个随机森林分类器的分类精度都较高,训练样本及测试样本的准确率均在85％以上,表明基于随机森林法建立的女性体型判别模型是可靠的;进一步通过随机森林对变量重要性的评估,筛选出表征女性形体指标的重要特征变量。     

基于人体特征提取的模特体形尺寸自动测量方法

 为提高模特选拨中体形尺寸测量的速度和精确性,提出了一种基于人体特征提取的模特体形尺寸自动测量方法。该方法采用由激光三维扫描仪输出的三维点云数据,经去噪、人体朝向自动调整等操作得到三维人体表面轮廓;通过近似区域搜索和精确找点自动找取等步骤提取了13个人体特征界标,由其坐标信息得到模特体形尺寸。用此法测量了石膏模型100次和六名真人模特,并与手工测量结果作比较,结果表明该方法是一种可靠快速的人体尺寸测量方法。     

基于三维人体测量技术的女性乳房形态细分研究

人体体型细分是数字化服装生产和销售的前提,胸部形态结构是影响女装合体性和舒适性的关键因素。针对女性而言,即使是胸围、胸下围尺寸完全一致,胸厚、胸宽、乳房的耸、扁程度也有不同的差异。通过非接触式三维人体测量仪(TecMath)测量270名中国西部地区年龄在18~30岁之间的青年女性,对测量项目数据进行统计分析(聚类分析),找到影响青年女性胸部特征的部位,同时将乳房形态细分为9类,为文胸等贴体内衣设计及服装量身定制提供技术参数。     

基于三维测量的青年女性臀部体型概率神经网络识别模型构建

如何快速准确地实现体型识别是人体体型研究的热点。为满足服装臀部合体性的要求,本文结合青年女性臀部体型特征,构建了基于三维测量的青年女性臀部体型PNN识别模型。首先,运用三维人体测量仪采集数据,并提取6个典型指标,进行臀部体型细分;其次,引入概率神经网络方法,构建以典型指标作为输入层,体型类别作为输出层,径向基函数作为模式层的网络结构模型;再次,利用MATLAB R2009a软件对构建的概率神经网络模型进行仿真实验,通过训练获取精度高、结果稳定的模型;最后,测试模型识别精度。结果表明,该模型识别率高,识别性能良好,为女性臀部体型识别提供了一种新方法,同时也拓宽了概率神经网络方法的应用领域。