基于二维图像的青年女性颈肩部形态自动识别

为实现青年女性颈肩部形态的自动识别,首先基于202名在校青年女性的三维点云数据,测量了15个颈肩部形态相关参数,通过分析确定出离散程度较大的形态参数,包括肩斜角、背入角、肩矢额径比和腋下矢额径比;然后结合这4个重要体型参数,对青年女性颈肩部形态进行细分并建立各类体型的分类规则;最后基于青年女性正面与侧面二维照片,通过提取人体轮廓和识别特征点获得颈肩部体型分类所需参数,根据体型分类规则实现颈肩部形态的自动识别。结果表明:青年女性颈肩部形态可分为4类,即圆宽肩体、扁窄肩体、圆落肩体、驼背扁肩体,分别占样本总数的25.53%、23.94%、25.59%和23.94%;通过对40名测试样本进行基于正、侧面二维照片的颈肩部形态自动识别验证,准确率达到90%,说明基于本文方法构建的颈肩部体型自动识别系统是有效的。     

青年男性肩点横截面曲线及其体型细分

为建立基于横截面曲线形态指标细分青年男性肩部体型的方法,选取了年龄在18~26周岁的213名在校青年男性,用三维人体扫描仪测量获得其肩部数据,借助IMAGEWARE 12.0与Mat Lab R2012b软件,利用冒泡排序算法实现了肩点的自动准确提取,且肩高相对误差控制在(0,0.011)之间;通过分析肩点横截面形态特征,提取了曲线曲率半径及矢额径比作为分类指标,对比曲率半径均值,确定了5个特征点角度为-50°、-35°、0°、50°与90°;应用K-Means聚类方法及方差分析,将肩部体型划分为4类,建立了依据特征点曲率半径与矢额径比细分肩部体型的方法,通过对比肩点截面曲线形态,进一步定性描述了4类肩部截面的曲线变化特征。     

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。     

复杂背景下人体轮廓及其参数提取

针对基于人体照片的尺寸提取技术对照片拍摄场景限制的问题,提出利用整体嵌套边缘检测深度学习模型实现复杂背景下人体轮廓的提取并进行参数提取分析。以450张不同背景人体照片为原始图像数据集,通过人体轮廓标签图制作与数据增强手段建立了43 200张图片训练集,利用深度学习网络模型进行训练学习并构建最优边缘检测模型;最后选取40名样本作为验证对象,以13个人体比例、角度等参数作为验证参数,对人体轮廓提取值与三维点云测量值进行误差分析。结果表明,本文研究成果能够快速实现复杂背景下人体轮廓的自动提取,且人体轮廓提取值与三维点云测量值的角度参数误差小于2°,比例参数误差小于0.09,为非接触式二维测量技术的进一步研究提供理论依据和技术支撑。     

基于散乱点云的三维人体自动测量

为解决Kinect深度相机三维人体扫描重建中人体特征尺寸提取的问题,提出一种基于散乱点云的三维人体自动测量方案。首先,对采集三维点云数据进行预处理,经点云降采样、离群点滤波和表面重建,以及点云坐标转换,进而识别出人体正背面;然后,利用人体几何形状分析法,自动提取人体特征点和特征截面点云;最后,对得到的特征截面点云提取特征边界点,再通过基于凸壳的轮廓线提取算法得到特征边界线,通过三次B样条曲线拟合计算围度、弧长尺寸,利用坐标差值和欧氏距离计算长度尺寸,从而完成对三维人体点云模型的特征尺寸测量。结果表明,该方案受人体体型因素影响较小,所提出的尺寸信息的自动提取方案有效,并符合相关标准中测量精度的要求。     

基于机器视觉的曲面枕个性化定制方法

为有效扩展曲面枕个体适应性,满足大规模个性化定制需求,提出了基于机器视觉的曲面枕个性化定制方法。采用MINet显著性目标检测实现人像的自动分割与轮廓提取。在此基础上,对人像中的4个关键参考点、32个特征点进行提取,实现轮廓曲线的快速拟合与尺寸测量,以此方式构建头部样本数据集。通过数据聚类,将65个样本划分成12类,使用三维建模软件绘制出适合个体头、颈、肩部尺寸需求,满足仰、侧睡姿需求的曲面枕。实验得到12种曲面枕关键尺寸参数,包括侧卧区域高度、仰卧贴合区域曲线峰值和谷值。该方法进一步扩展了曲面枕形态适应性,为曲面枕定制提供分类方法参考。     

基于人体数字图像的青年女体围度拟合

为实现非接触式人体尺寸自动测量,提出用二维人体照片来预测青年女性的人体围度。首先使用相机获得人体的正面和侧面图像,通过MATLAB软件对图像进行阈值分割和二值转化等处理以提取正侧面人体轮廓。然后通过识别人体特征点得到人体的宽度和厚度,研究了人体基本尺寸的提取方法。基于各部位的宽度和厚度值进行颈部、胸部、下胸部、腰部、腹部和臀部六个特征部位的围度预测,并将预测结果与手工测量结果进行了比较。最后对各个特征部位的回归公式进行了误差分析,结果显示建立的围度预测模型是有效的,为服装定制实现中的非接触式人体自动测量系统奠定了可靠的基础。     

基于三维人体测量的江浙在职男青年颈部形态

本文旨在探讨长期座位作业的在职男性颈部形态特征,为青年男性服装的领型设计提供参考。通过三维人体测量的方式提取人体颈部的相关数据,分别从颈部截面形态、颈部围度形态、颈部高度形态、颈部曲度形态、颈部立体形态进行分析。研究结果表明：颈中横矢比与颈根横矢比基本为一个定值,而且随着年龄的增加男性颈围有逐渐增粗的趋势;颈中围与颈跟围存在较强的线性关系;根据颈曲度变化情况把颈型分为三类;前后颈长呈现较强的线性关系;通过对颈部立体形态的分析,将男性颈部分为四种立体形态,并将测量结果与普通青年男性的颈型进行对比,为男性服装领型设计提供了数据参考。     

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。     

基于小波系数的青年女性体型分类及原型纸样

为建立基于纵截面曲线形态指标细分青年女性躯干体型的方法,选择了257名在校青年女性,使用扫描仪获得三维人体数据,借助Imageware逆向工程软件,对人体点云数据进行精简处理,通过三次样条函数对提取的纵截面轮廓点云数据进行拟合,运用小波去噪进行处理;利用小波分析的低频系数作为提取信号的总体特征,用Davies-Bouldin(DB)指标确定最佳聚类数目,利用K-means聚类算法进行体型聚类。实验结果：获得4类不同的体型,描述了各类体型在前后中心线、背部、胸部、臀部、肩部和侧缝的体型特征差异,最后构建4类体型对应的原型纸样,并分析纸样与人体体型之间的关系,可为青年女性原型纸样的合体性设计提供参考。     

基于人体纵截面特征曲线的体型分类

针对人体体型分类标准选择问题,提出了通过人体纵截面特征曲线进行分类的方法。选择了124名青年女性,使用三维扫描仪扫描获得三维人体数据。并提取人体纵截面轮廓曲线数据,通过椭圆傅里叶拟合对原始曲线进行降噪处理。使用转向角函数将截面轮廓曲线转换成角函数曲线,并根据角函数曲线特征提取了5个特征指标,利用主成分分析法提取3个主成分。采用K-means聚类算法进行体型聚类,用伪Ｆ 统计量确定最佳分类数目,将体型分为4类。最后通过对比分析4类体型特点,描述了各类体型在背部、背中心线、腹部、臀部和侧面厚度的差异。     

基于自动测体的围度曲线拟合模型

通过拍摄人体正面和侧面的图像,提取其轮廓线形用于服装三维人体尺寸的自动测量技术。该技术成本低,转换后二维尺寸的计算简单快速,适合产品的商业化。（一般的计算方法是对人体围度进行样本分析,利用拟合方法获得不同号型样本的围度曲线函数模型,通过围度曲线的二维信息估计尺寸。）主要基于自动人体测量需要,在选取号型随机样本的试验基础上,使用指数曲线、对数曲线、二次曲线和三次曲线拟合其中胸围曲线,建立对应的围度函数模型并对其在误差和线形方面展开详细的分析与比较,论证这些模型的合理性与不足之处,为建立更适用的围度尺寸函数模型提供参考。     

基于三维人体扫描模型的衬衣版型生成方法

针对衬衣定制自动生成版型与体型匹配误差不可控问题,提出一种基于三维人体扫描模型的衬衣版型生成方法。首先,扫描目标人体获得个性化的三维人体模型,通过对模型截面曲线的几何特征分析,在三维人体模型上提取个性化体型特征点;使用服装制版标准人台,构建一个衬衣的标准三维基础模型;然后,使用保刚性变形算法,以个性化体型特征点为约束,实现该衬衣标准三维基础模型的变形;最后,使用基于质点-弹簧系统的三维模型展平算法,根据变形后的衬衣三维模型各个版片生成对应的二维版片,添加经实验验证的版片边缘线缩放量,生成适应目标体型的个性化衬衣版型。实验结果表明,该方法能够生成合体的衬衣版型,基于数字化模型和自动化处理算法,实现衬衣版型的自动化生成,保证个性化制版的精度,并提高制版效率,为服装智能生产制造提供技术解决方案。     

基于单目视觉的人体测量点云数据处理

针对一种基于单目视觉的双扫描头人体扫描系统所获取的三维原始数据存在的缺陷,提出一种人体点云预处理方法.首先对原始点云数据进行网格化处理,将其变为切片数据,同时对其进行精简及平滑滤波;然后借助识别人体的分叉点及腋窝点,将人体分割为6个部分,在此基础上采用一种误差控制下的B样条曲线自适应拟合方法对人体截面曲线进行拟合.最终填补了点云中的孔洞,使得处理后的数据便于尺寸提取等后续工作.算法简单实用,易于实现.实验结果证明,采用该方法可以得到完整且较精确的人体点云数据.     

基于Geomagic的三维人体建模技术

根据现代计算机辅助服装设计过程中对三维人体模型的要求,针对人体的结构特点,探索一种在非接触测量技术基础上快速构建个性化三维人体NURBS曲面模型的实用方法,即通过激光三维人体扫描设备获得的点云数据平台,利用逆向工程软件Geomagic Studio实现快速建模。较为详细地阐述了在人体曲面重构过程中人体点云数据的优化处理方法,介绍人体多边形和人体曲面片的实用编辑处理技术。此方法所构建的三维人体模型逼真、精美,能满足服装业对人体模型精度和利用效价的要求。     

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。     

女装衣身前浮余量与人体胸凸形态的关系

为解决个体化女装衣身胸部浮余量获取繁琐、误差偏大等问题,提出一种基于人体体型特征的数学模型。通过人体胸凸形态的影响因素分析,提取胸围和上下胸围差作为体型特征参数,基于立体几何原理构建前衣身浮余量的数学模型;随机选取实验对象对数学模型进行立体裁剪和实际样衣试穿的实验验证,并对二者所得浮余量进行配对样本T检验。结果表明:数学模型与实际获取的结果无显著性差异,前浮余量角度可表示为胸围和胸围差的函数;依据体型特征参数构建的衣身浮余量设计方法可更为准确、高效地表征胸凸形态,满足个体化女装结构设计的需求。     

短裤特征截面曲线的径向基函数神经网络模型构建

将着装人台进行三维扫描获取点云数据,截取与人体特征部位相对应的短裤特征截面。将原数据坐标点转化为极坐标系下的极角与极径值后,以极角值作为输入向量,极径值作为输出向量,构建短裤特征截面曲线的径向基函数（RBF）神经网络模型,并与反向传播（BP）神经网络、最小二乘法及三次样条函数的拟合效果进行比较。结果表明,神经网络拟合曲线的平均绝对误差比最小二乘法及三次样条函数方法小,仿真输出曲线和原始数据非常接近,且曲线光滑;RBF网络的训练速度更快,所需训练步数少,拟合效率明显优于BP神经网络。