基于SVM女性服装型号推荐方法研究

针对网络服装销售中由于服装尺寸退货问题,根据不同年龄段女性体型特征数据,提出了基于机器学习方法的女性服装型号推荐方法,并给出了女性体型判别及预测的大体流程。首先,随机选择300位年龄在18~50岁的女性体型数据作为研究数据;其次,提取身高、背长、臂长、肩宽、颈围、臀围、胸围、腰围作为预测特征集,并对特征采用信息增益方法得到增益指数;再次,采用SVM方法和RBF核函数训练多个模型;最后,采用投票方式选取最终所属类,进行服装型号推荐。最终分类器采用测试集测试,结果表明模型预测准确度达到98%以上,预测结果可靠。     

女性人体数据规律研究

研究了女性人体特征的变化规律,设计了女性标准体型人体各部位的数学模型,探索了服装规格设计的方法和规律,建立了女性人体数据、体型的理论体系。文章总结的女性标准体型人体数据的变化规律,对我国女装品牌企业的工业生产和新产品开发有指导意义。     

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。     

一种基于天气及人体体型的分层式服装推荐方法

提出了一种服装推荐方法,针对用户已有的服装进行基于天气状况和人体体型的分层式推荐,并提供相应的人体体型分析、服装管理及预警功能。希望此举能够帮助用户获得合理、客观的服装推荐结果,提升服装的使用效率。     

中国西南彝族男性体型分类及胸腰覆盖率研究

为研究并细分中国特定地区男性体型及服装标准体型覆盖率,选择中国四川、云南、贵州3个地区年龄在18～80岁的930名彝族男性作为人体测量样本。采用服装人体测量的质量控制规定进行手工测量,利用SPSS软件进行K-均值聚类分析,将数据与GB/T 1335.1—2008《服装号型男子》中体型分类范围进行比较,对该地区彝族男性的体型特征重新分类,并计算出3个地区彝族男性不同体型胸腰覆盖率。研究结果丰富了中国西南地区的服装人体数据,对中国男性服装标准号型数据库进行了补充和细化,为服装企业和产品研发提供了更准确的数据支持。     

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。     

青年女性地区性体型分析与快时尚号型配比优化

针对市场调研与问卷调查中发现快时尚服装品牌存在地区性不合体现状,为优化快时尚服装区域性号型配比,通过文献分析法对新疆青年女性、其他地区青年女性及GB/T 1335.2-2008《服装号型女子》标准A体型进行对比分析。以上衣服装号型为研究对象,发现快时尚不合体与地区体型特征存在联系;分析了国内外部分快时尚服装品牌号型配比。结果表明:快时尚服装号型存在覆盖率较低的问题,各地区A体型存在较大差异,新疆及东北地区青年女性体型比西南地区体型偏大,上海及河北地区体型匀称,不同地区体型存在较大差异,可通过不同地区青年女性体型特征对服装号型进行合理分配。结合不同区域号型配比建议,为服装设计人员及相关企业提供参考。     

服装风格图像的识别分类研究进展

针对服装风格识别与分类,从服装相关数据集、服装图像特征提取、应用场景3个方面综述了该领域的研究进展。服装图像分类数据来源主要包含社交网站、购物网站以及时尚资讯媒体,从季节、时尚风格、服装信息等服装属性归纳数据集特点,围绕图像处理技术对其应用于服装领域最广泛的特征提取方法加以介绍,详细综述了传统特征提取方法、卷积神经网络（CNN）、图卷积神经网络（GCNN）、无监督学习方法在服装领域的相关研究及其模型优化效果、优缺点等。最后分析讨论了服装风格识别分类在时尚风格流行趋势预测、服装搭配推荐方面的发展趋势、关键技术及应用前景。研究认为,未来可以在人体相关特征提取、多角度时尚趋势预测、服装推荐主观评价等方向进一步研究。     

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。     

基于人体动态特征的三维服装虚拟试穿技术

针对人体个性化姿态的动态感知以及服装模型对人体姿态动作的跟踪匹配精度低的问题,提出了一种基于人体动态特征的三维服装骨骼点分层模型,区分躯干(整体)与四肢(局部)的运动特征,并融合了基于Kinect体感设备的人体围度数据;设计了整体-局部分解算法,分层控制三维服装骨骼模型对人体姿态动作的高精度跟踪。经真人虚拟试穿的测试结果表明:新方法的相对跟踪误差降低约10%,明显改善了虚拟服装对人体姿态的实时跟踪精度,提高了服装模型与真人体型的匹配精度,支持裙子、裤子、上衣等服装类型的复杂姿态(抬腿、弓步等)试穿场景。     

基于服装结构特征识别的相似样板匹配技术

为提高服装制版效率,实现从服装款式图到样板的智能检索,提出一种基于服装结构特征识别的相似样板匹配技术。该技术将服装结构制版知识与深度学习算法结合,基于对女裤中的廓形、褶裥、腰头类型等18个细粒度特征的识别来匹配样板。其中,技术的实现主要包括分类标签设计和模型验证实验。对于分类标签设计：先根据女裤结构制图知识,对平面款式图中可作为样板相似性评价指标的服装结构特征进行定义,并根据定义设置多标签类别;然后将多标签分类转化为单标签多分类,建立平面款式图、结构特征和样板三者之间的联系;最后通过数据可视化等方法对标签之间的相关性进行研究,并设计了最终的18个分类标签。对于模型验证实验：首先建立以女裤平面款式图为样本的服装数据集,基于数据集的特点对经典AlexNet网络进行改进,其中包括简化网络结构、减少模型参数、防止过拟合,在每层卷积层后增加批归一化操作,以加快模型的收敛速度,提高模型的泛化能力。模型测试结果表明：改进后的模型在验证集上的准确率为83.4%,相比改进前的AlexNet模型其准确率提高了6.7%;与其它结构更复杂的网络模型相比,该模型的准确率更高,综合性能更好,可用于款式图的结构特征...     

服装开口对电磁屏蔽效能的影响

针对服装开口影响服装电磁屏蔽效能问题,选用3种不同类型的电磁屏蔽面料,并以领口、下摆作为服装开口的主要变量参数,设计并制作不同结构参数的电磁屏蔽服装,在3 m电磁屏蔽暗室,分别测试不同电磁屏蔽服装的胸部和腹部在测试频率点的电磁屏蔽效能,并计算出服装整体的电磁屏蔽效能;分析了领口、下摆对服装整体屏蔽效能的影响。结果表明:不同面料服装的电磁屏蔽效能随着领口、下摆开口面积的增大呈现降低趋势;采用双层复合面料的电磁屏蔽服装的屏蔽效能较好。根据所得数据进行回归分析,从服装整体结构设计角度出发,建立了服装屏蔽效能在移动设备频率段及无线网络频率段这2种频率段的预测模型,并验证了模型的准确性。     

上海松江地区中老年男性体型分析

以上海松江地区120名中老年男性作为样本．采用非接触三维人体激光扫描仪测量人体体型数据,介绍了试验方法,将试验结果与GB／T1335．1-1997《服装号型男子》中的B、C号型数据进行比较,并分析比较结果,确定使用胸腰比、身胸比、曲背指数作为中老年男性体型特征指标,并将原号型标准中的B、C体型进一步细分为B1、B2、B3、C1、C2、C3等6种体型,弥补GB/T1335．2--1997《服装号型男子》的不足。     

服装号型与服装消费者相结合必要性研究

为了充分发挥服装号型在服装设计中的作用，提出了采用先进的测量技术、按照不同地区、年龄进行细致划分，对男、女体型采取不同的体型分类方法制订出与消费者体型相适应的人体数据库，并定期对服装号型标准进行修改，提高服装号型的覆盖率，使服装号型能够与服装消费者需求相适应。     

中老年女性体型自我满意度调查分析

运用调查问卷方式，调查分析了当代中老年女性对于自我体型和主要体型指标的满意程度，建立体型满意度与主要体型指标满意度的线性回归方程，并比较了3类不同群体中老年女性对主要体型指标的自我满意度存在的差异。说明多数中老年女性关注自己的体型，腹围、腰围、臀围、体重等主要体型指标满意度影响了体型满意度，因此，企业对中老年的服装的设计尤其要注意在这些重要部位的结构设计，使设计的服装尽可能掩盖体型的不足，满足中老年女性的心理和生理需求。     

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。     

基于三次样条的三维服装模型的建立

根据标准女体服装人台表面的部分三维测量数据,进行经、纬向的三次样条插值计算,获得服装人台表面型值点间的插值点三维坐标,采用小平面逼近的方式应用OpenGL的图形功能,建立计算机三维服装人台的模型,并实现参数化控制,以获得不同体型和尺寸的服装人台模型。在服装人台模型的基础上,根据人台与服装间的对应关系,求得服装造型关键点的三维坐标数据,利用OpenGL的图形功能建立计算机三维服装模型。并应用VC++的FMC的对话框模式,实现利用便捷的人机界面对服装人台的参数化控制和不同服装款式的选择。     

东北地区青年女子体型分类与服装档差研究

我国服装号型体系中没有针对特定地区的体型细分研究,本文针对东北地区特定人群进行体型分类与档差研究。综合运用了三维扫描与手工测量两种方式,对465位东北地区18-25岁女青年进行人体测量,提取17个特征部位尺寸数据,通过因子分析,选取身高、胸围、腰围、臀围、颈椎点高、胸腰差、胸臀差7个特征参数,与GB/T 1335《服装号型》中成年女性进行比较,分析东北地区青年女子的基本体型特征。以胸腰差为依据对样本进行体型分类研究,对应国家号型标准,研究分析Y、A、B3种体型中间体特征,并根据回归方程计算得到3种体型的号型推档数值。     

基于有序样本最优分割法的女性体型分类

针对我国服装号型标准中体型分类缺乏年龄段的明确划分,为提高号型覆盖率,分析了788名年龄在18~51岁之间的女性体型数据,提取了表征女性体型特征的6个重要因子;依据每个类别因子下测量指标的贡献值大小以及各个测量指标的相关程度,选择最具代表性的特征指标作为分类参照量,通过有序样本最优分割法将女性体型按年龄段合理划分为3类:青年妇性(18~27岁),成熟女性(28~44岁),中老年女性(45~51岁),进一步分析每个年龄段的女性体型差异并对相应年龄段的女性形体进行分类,总结了3个年龄段中间体型的特征值,可为服装号型的科学修订和结构设计提供参考。     

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。