基于空间向量角的乳房形态分类与文胸合体性评估

采用空间向量角来表征乳房形态,提出了一种青年女性乳房三维形态分类方法。首先获取209名18～25岁青年女性的乳房三维点云数据,并构建了6个乳房形态空间向量角作为聚类指标,采用k-means聚类,以手肘法确定最佳聚类数,运用学习向量量化神经网络(Learning vector quantization, LVQ)构建乳房形态判别模型,实现女性乳房形态的细分与判别。对细分后的乳房类型制作相应的文胸样板,通过虚拟试衣和实物试穿进行合体性评估,结果表明：青年女性乳房占比最多的为70B文胸号型,乳房细分为适中内敛型、平坦低胸位型、丰满外扩型。构建的LVQ神经网络青年女性乳房形态判别模型,准确率达93.33%。数字化服装压力和真实试穿实验表明,细分后的文胸合体性得到了有效提高,为不同类型乳房的文胸合体性结构设计提供参考。     

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。     

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。     

基于三维人体测量的西部女大学生乳房基本形态

以三维人体测量为基础,从影响女性乳房形态美的主要因素——乳间距、胸点高出发,将254位年龄在18-25岁的西部女大学生的乳房基本形态分为9类,并对其分布特点及文胸类型选择做了分析,得出青年女性胸身比在0.71左右,乳间距与胸宽比在0.5左右;在文胸穿着上以普通型为主,其次是提胸型和侧收型,较少的人需要穿着同时具有提胸和侧收功能的文胸,此结果能为内衣企业制定文胸生产方案及女性的文胸号型选择提供参考。     

基于乳房角度的乳房形态分类

通过对267位18~35岁的女性进行三维扫描,测量了104个项目的人体数据,提取了19个与乳房角度相关的测量项目。采用因子分析和系统聚类相结合的方法对数据进行分析,得到表征乳房立体形态特征的参数。以上乳房角(α)和内外乳点角/乳房深(β/h)为参数,从人体侧面和乳房细部两个方面将乳房立体形态分为9类,并获得各类型乳房的α和β/h的参考范围值。研究结果显示,该分类方法能有效、直接地表明乳房的立体形态特征,从而为乳房形态分类提供新的参数,为内衣样板的结构设计提供依据。     

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。     

正侧面形态特征驱动的青年女性腰腹臀体型分类

为完善国内青年女性体型分类,对108名在校女大学生进行手工和三维人体测量,获取手工和三维数据。以三维数据为基准,根据高度值、角度值及其他参数,对腰腹臀进行分析。选取影响较大的16个参数,如腰腹臀矢横径比、后臀凸角、前腹凸角等作为指标进行主成分分析和聚类分析。最终汇总出6个因子,即水平围度因子、横矢径比因子、侧面凸角因子、腰部角度因子、腹部角度因子和臀部角度因子,并将青年女体腰腹臀形态分为4类,建立分类规则。最终以此分类规则为基准,对原始样本和15名新增样本进行判别验证,说明此分类的可行性和合理性。     

东北地区青年女性胸部形态分类与回归建模

胸部形态特征研究是服装人体体型与形态研究的重要内容,本文研究东北地区青年女性穿着文胸状态下的胸部形态特征,构建胸部特征尺寸回归模型,为该地区女性上装合体性与胸部参数化建模研究提供基础。随机选取东北地区328位18～25岁女性为研究对象,运用主成分分析、K均值聚类、逐步回归等方法,提取能够表征样本胸型特征的5个主成分因子,分别为围度因子、距离因子、高度因子、胸围差因子和形态因子。以特征因子作为分类指标将胸部形态分为4类,选择胸围、乳间距为自变量构建回归模型。研究结果表明,东北地区青年女性胸部形态聚类特征明显,通过显著性检验与残差分析证明各类别胸部特征回归模型有效。     

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XGBoost算法对新疆女性臀部体型判别及原型修正

为准确判断下体体型,使新疆地区女性裙装更加合体,分析了220名18~25岁的新疆地区青年女性臀部数据,通过因子分析与相关指数得到聚类指标:后臀长腰围比、后臀长臀围比,采用K-means聚类方法将臀部分为3类,使用Python软件建立XGBOOST臀部判别模型。首先对不同算法模型进行比较分析表明,运用XGBOOST方法的测试集精准度最高为98.4%。其次修正新疆地区中间体的裙装原型,发现其后臀长与标准裙装原型后臀长相差2.4 cm,说明新疆地区女性臀部相比国内其他地区偏翘。将判别算法运用到数据系统中,可提高体型判别效率,为人体相关领域提供数据支持。     

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。     

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。     

朴素贝叶斯算法在女童体型判别中的应用

为实现女童体型的准确判别归类,通过采集女童样本数据,建立了具有详细测量信息的数据库。利用聚类分析方法将女童体型分为3类,在此基础上,应用朴素贝叶斯算法建立了判别模型,实现了女童体型的判别归类。同时利用最小差值算法查找了被测女童样本在数据库中的相似体,最后,以主要控制部位尺寸作为查询的基础指标,绘制了雷达图拟合二者的主要控制部位尺寸。研究得出:朴素贝叶斯女童体型判别模型的判别准确度达93.8%;被测女童样本及其相似体在雷达图中各主要控制部位尺寸误差较小,相似体可用于替代被测样本;为需要获取人体详细测量信息的相关应用领域提供数据支持。     

Study of optimum parameters for Chinese female underwire bra size system by 3D virtual anthropometric measurement

The aim of this paper is to explore the optimum parameters for Chinese female underwire bra size system. Raw data was collected for 275 subjects using a 3D scanner, and 108 measurement values were extracted by reverse engineering software Polyworks. Analysis of data was conducted by integrating the entropy weight method and Principal Component Analysis (PCA) methods. It was determined that the value of breast breadth (straight distance from inner most point to outer most point on the breast) should be added to the pivotal parameters and compared to previous research to classify the breast shape and to create a totally new size system for the underwire bra. This information can provide the value width for the pattern maker and help in choosing the right sized & shaped wire for the underwire bra. When compared to former research, more breast shapes were defined than when only the depth width ratio and under-bust girth were used as parameters.     

基于模糊数学集模型构建的发酵蚝油品质组分评定研究

以牡蛎发酵蚝油为研究对象,对牡蛎不同发酵时间获得的发酵蚝油产品的品质组分进行研究,目的是为蚝油组分的品质评价提供理论依据和新的研究方法,以牡蛎不同发酵时间的蚝油产品的重要指标氨基酸含量、脂肪含量和蛋白质含量为评价因素建立模糊数据集,以模糊测度技术对发酵蚝油进行品质组分评价,通过隶属度矩阵作出客观评价,为模糊测度技术的熟练运用提供了基础,通过和实际测定结果比较,该方法的准确度极高。