女性体型分类研究概述

不同的人其体型也不同。在服装工程方面,研究者一直在进行人体体型的研究。近年来很多科研团队开始研究中国人体的体型,并分析了人体体型的变化,在体型划分方面取得了突破性的进展,并根据目前中国人体体型特征提倡运用新的号型设置。概述了当今国内外的体型分类类别,归纳了国内有关体型研究的不同方法和思路,细述了体型分类聚类方法,并总结了当今国内体型分类存在的问题。     

大连地区老年女性体型分类研究

为深入了解大连地区老年女性体型特征,对老年女性体型进行科学的分类,采集大连地区60~80岁老年女性人体数据,通过主成分因子分析法、对比分析法和K-means动态聚类法分析了大连地区老年女性的体型特征,采用组合分类法实现体型的精确细分。研究发现:大连地区老年女性胸部和腰腹部凸出明显,手臂较长,老年女性体型主要分为正常型、矮胖型、高挑阔胸型、肥胖阔胸凸腹型4类;基于胸腰差和臀腰差组合,将老年女性体型划分为普通型、矮胖型、高挑阔胸型、肥胖阔胸凸腹型四大类,人群覆盖率达到96.57%;中间体的控制部位参考值为:身高160 cm、胸围97 cm、腰围86 cm、腹围95 cm、臀围97 cm、臂长52 cm、总肩宽40 cm。     

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。     

湖南女大学生体型特征与分类研究

国家标准中女子体型分类未有针对特定人群的细分研究,为满足特定人群个性化定制服装规格尺寸及合体性设计需要,选择湖南女大学生群体为研究对象,通过Vitus Smart非接触式激光三维人体扫描仪采集343个人体数据组成样本,经筛选得到体型特征变量20个.采用主成分因子分析得到影响人体体型特征的4大形态因子:高度因子、长度因子...     

长三角地区成年胖体女性体型特征及分类

为了解胖体女性体型特征,提高“大码”服装合体性,以BMI≥24 kg/m2或腰围≥80 cm为样本筛选条件,有效测量了151名18～55岁长三角地区成年胖体女性人体数据。采用因子分析法在42项测量项目中提取了7个影响成年胖体女性体型的公因子,并结合相关分析从中选取8个特征变量,整合为4项体型聚类指标。运用系统聚类法确定最佳聚类数,使用k-means聚类法将长三角地区成年胖体女性体型分为A、O、H、V型4类。胖体女性体型特征分析及分类研究,有助于构建胖体人台,为“大码”女装设计提供参考。     

基于中老年女性的体型分类标准比较分析

采用传统的手工测量法测量了340名中老年女性的身高、颈椎点高、腰围高、肩宽、前胸宽、胸围、腰围、腹围、臀围等主要人体主要指标,按照不同的体型分类标准进行中老年女性体型分类研究,比较不同体型分类标准的差异性,提出适合中老年女性的体型分类标准。     

基于知识图谱的国内女性体型分类领域前沿研究

为揭示国内女性体型分类领域的研究现状、热点及未来的发展方向,基于Citespace软件,通过绘制知识图谱对2003—2023年CNKI知网数据库筛选的198篇文献进行分析,得出国内在女性体型分类的发展趋势。研究表明：当前女性体型分类研究的热点主要集中在体型数据获取与处理、体型分类算法以及数字化技术应用等方面。随着人工智能、数字化技术的迅猛发展,未来的研究趋势和方向应侧重于对分类方法的深入探索,借助先进的科学测量手段、机器学习技术以及创新的分类方法,实现对不同年龄段女性体型特征的更精准分类。这一方向的深入研究有望为女性体型领域的科学发展提供更为创新和前瞻性的贡献。     

基于改进快速搜索和发现密度峰值算法的男童体型分类及判别

针对男童肥胖人群增加导致体型特征发生较大变化的问题,为优化男童的体型判别,以7~10岁学龄男童为研究对象,通过灰关联度计算男童8个体型特征的权重。采用加权快速搜索和发现密度峰值(CFSFDP)算法对男童体型进行分类与分析。再应用极限学习机建立男童体型判别模型。结果表明:加权CFSFDP算法对于男童体型分类的解释性较强,男童的8个体型特征值随着年龄的增长,近似呈现公差为一种特定方式的等差数列变化;7岁男童的体型差异性最小,10岁男童身体发育出现多样化,其体型差异较大;普通CFSFDP聚类结果的体型判别准确率为70%,加权CFSFDP聚类结果的体型判别准确率为90%;改进后的CFSFDP算法可有效提高男童体型判别的准确性与鲁棒性。     

东北地区青年女性腰臀部体型特征与分类

为分析裤装结构设计合体性的影响因素,研究了特定人群的腰臀部体型特征与类别。选择18~25岁东北地区青年女性为研究对象,借助VITUS 三维人体扫描仪测量466 个样本的身体尺寸,经筛选计算得到21 个腰臀部特征变量。采用主成分因子分析得到影响腰臀部体型特征的5 大形态因子：围度因子、高度因子、横矢径比因子、围度差因子和臀凸因子。依据形态因子选取臀围、腰围到臀围高、臀横矢径比、臀腰差、臀凸5 个变量,采用SPSS 两步聚类法对腰臀部体型进行探索性分类,将东北地区青年女性腰臀部体型分为3 类：第1 类为直线型、平臀、矮瘦体;第2 类为凸臀、浑圆体;第3 类为曲线型、高扁体。各类体型占实验样本比例分别为27.7%、33.7%和38.6%。     

长江下游地区学龄前女童体型的分类

针对童装规格与儿童体型快速发育不适应的问题,以长江下游地区3～6岁学龄前女童为研究对象,在人体测量基础上,采用因子分析法从13项人体测量指标中提取2个体型因子,通过计算相关指数选取4个代表性体型指标,并通过单因素方差分析、相关分析确定了3个用于聚类的体型派生变量.选用K-均值聚类法进行聚类,并用混合F统计量确定最佳分类数,将447名女童体型分为3类:胸小臀大的A型体、胸大臀小的V型体,及介于二者之间的H型体.3类体型的人数及年龄分布存在差异,按人数由高到低依次为:H型、A型、V型,且H型、A型分别为3～5岁女童、5～6岁女童的主要体型类别.     

基于三维扫描数据的女性体型特征参数分析

为在不同应用层次上提供一种完善的基于三维人体扫描数据库的体形分析参考标准。提出一种女性体形分析方案,包括体型类别分析方法,局部形态的特征分析和三维特征框架的数据分析,然后对861个18～45岁的女性对象进行体型类别的实例分析,主要包括：基于躯干体积指数(TVI)的体型分类、基于胸腰比-臀腰比的体型分类、及基于胸腰差-臀腰差的体型分类,目的是比较采用不同方法进行体型分类后的各群体体型变化趋势。结果显示,基于TVI指数的分类效果较明显,胸腰比－臀腰比和胸腰差－臀腰差方法同属一种分类方法,分类效果接近。采用我国服装号型标准中的分类方法,能很好反映人体下身围度相对逐渐增肥的趋势。     

正侧面形态特征驱动的女性腿型分类

为解决目前因腿型分类欠缺而导致的女性腿部加压治疗和塑形产品不合体等问题,采用[TC]²非接触式三维扫描仪扫描64名受试者,针对每位受试者腿部提取160项指标。首先通过插值模拟、聚类分析的方法将整体腿型准直度分为3类;再根据大腿正面形态和侧面形态差异以及小腿侧面凸出点不同,将大腿和小腿进行分类;最后采用因子分析法建立了女性腿型的分类体系。研究了女性腿部围度随相应高度的变化规律,并将女性腿型细分为6类,进而归纳出相应的腿部分类规格表。该研究能够为女性腿型分类提供一种新的方法,对女性腿部不同部位加压治疗和塑形产品的设计提供基础数据。     

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。     

女性体型特征指标的选择及体型细分研究

在人体测量的基础上,利用主成分分析的方法,提取了女性躯干部分的三个特征指标,并根据三个特征指标的不同取值将女性形体分为36种体型。     

基于人体三围截面面积的江浙地区女性体型分类

为更好地区分人体体型,随机选取东华大学人体数据库中用三维人体测量系统测量的200名江浙地区女性的人体参数,分析江浙女性人体水平截面的横矢径比,并与日本女性的数值进行比较后发现,日本的分类数值不适合江浙女性。使用自编程序获取人体矢状、额状和水平截面的形状,因相同横矢径比的人体水平截面形态不同,认为用横矢径比区分体型不准确;用自编程序得到人体水平截面的周长和面积,选取胸、腰、臀三围的截面面积与三围围度平方的比值进行聚类分析,体型细分为3类:扁体型、中间体型、圆体型。     

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。     

基于人体分割的智能女装廓形尺寸数据库构建

为准确地对现有秀场女装廓形进行判断,提出一种基于人体分割的智能女装廓形尺寸数据库的构建方法和流程。针对静态图像,先进行人脸检测,再利用最大后验概率模型检测人体,并通过图割技术提取服装廓形,最终确定人体影响服装廓形的关键部位,自动测量服装廓形相关尺寸并入库。针对各种可能遇到的实际图像情况提出相应的测量准则,并提炼出显著影响服装廓形的“突变点”概念。经验证,该方法能够有效快速地对静态图像中的女装廓形批量提取廓形尺寸数据,测量数据共包括8个关键点测量值,具有较高的准确性和实践性。