福建地区青年女性体型划分与尺寸分档

体型的划分是服装号型标准中一个很重要的问题,体型的划分方法很大程度上关系到服装号型覆盖率的大小和号型标准使用的方便程度.对500名福建地区青年女性进行人体测量,选取人体13个测量变量,并派生出11个变量,运用SPSS统计软件对数据进行统计分析,采用聚类分析将人体上下体单独进行分类,将青年女性上体体型分为4类,下体体型也...     

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。     

基于青年女性体型的分割半紧身裙结构设计研究

分割半紧身裙因其制作简单,加之腰臀部合体的A字型结构,穿着方便,受到青年女性的普遍欢迎。但由于人体体型的差异和半紧身裙分割线位置的不同,选择最适合自身体型和结构的分割半紧身裙,不仅能塑造青年女性体型,弥补体型上的缺陷,也能充分表现出分割线的视觉效果。为此,研究了20~25周岁青年女性的体型,探讨了各体型人体穿着不同分割半紧身裙在腰臀部的舒适度、外观美观度和最适合各体型特征的分割半紧身裙结构。     

基于三维人体测量的人体体型细分识别的研究

使用非接触式三维人体测量系统对中国北方青年女性人体进行测量,测量数据包括肩宽、胸围、臀围等部位尺寸,这些尺寸作为特征值构成了人体体型特征向量.不均匀体型的比例愈来愈高,因此更进一步细化对人体体型的分类识别变得十分重要.考察了某些特征尺寸的概率分布,然后利用聚类分析将人体体型分为偏瘦、正常、偏胖3类,最后提出使用马氏距离...     

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。     

人体体型分类与纸样结构调整

使用二维人体测量系统,拍摄158名青年女性正、侧面数字图像.根据测量数据对正、侧面体型分别进行归纳分类,由人体前后曲线的凹凸特点将侧面体型分为5类,根据胸腰及胸臀宽度差将正面体型分为3类.同时,针对不同体型提出纸样结构调整方案.     

广西壮族青年女性体型特征研究

根据壮族人群在广西的分布情况,选取16～25岁青年女性进行测量,共取得242名对象作为研究样本。通过静态接触式人体测量方法采集与体型相关的39项指数指标,用数理统计的方法对采集的数据资料进行基本统计量比较、样本聚类分析、因子分析等统计分析计算,从多角度分析得出广西壮族青年女性的体型特征和分类。     

人体工效学在青年女性牛仔裤中的应用

将工效学思想融入青年女性体型分析、人体动态测量、结构设计和对心理的影响中,得到女性的细分体型、更加精确的松量分配原则和更加合理的结构设计,为牛仔裤装设计提供理论依据。     

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。     

我国西部地区青年男性体型描述与体型分类研究

 介绍了应用三维人体测量数据进行青年男性体型描述与体型分类的方法。应用三维人体测量仪测量了236名我国西部地区的青年男性人体数据,并在SPSS软件中对数据进行统计分析。结果显示,与二十几年前的人体测量数据相比,我国西部地区青年男性人体体型已经发生了很大变化,我国现行的服装号型标准中将体型分为4类的方法急需改进。通过因子分析和聚类分析最终将男性体型分为7类,分类结果较为理想。研究结果为了解我国青年男性体型现状和制订新的服装号型标准提供了理论支持。     

河南地区青年女学生组人体测试及体型研究

针对河南地区18~25岁青年女学生,采用随机抽样的方式,使用三维人体测量仪,获得静态人体数据及体型分布状况。介绍了调研方法、数据预处理方法,对测量数据进行统计分析,并对不同体型的比例进行比较分析、A体型与B体型的尺寸对比、A体型与国标GB/T 1335.2—2008的比较。结果表明:河南地区体型分类离散性很大,但160/84、160/88、160/92、165/84、165/88这5个号型的占比达42.15%,大部分属于正常体型;肩宽较小,上下身接近黄金比例;胸部丰满;与国标A体型相比围度偏大。为该群体女性服装基础版型设计、号型规格确定以及生产的优化提供基础依据。     

基于纵向轮廓曲线的青年女性体型细分研究

提取了能用于青年女性体型分类的纵向轮廓曲线,包括矢状面和冠状面轮廓曲线。建立了用轮廓曲线特征点曲率半径进行青年女性体型分类的方法。在国标体型分类的基础上,进一步细分青年女性体型,从纵向轮廓曲线形态入手,分析曲线特征点曲率半径,应用K-means聚类算法进行动态聚类,将伪F统计量作为判别函数来确定最佳类数目,最终将纵向体型分为8类,量化区分了青年女性纵向体型差异,并提出一种新的体型标识：“国标体型+纵向体型”。     

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。     

中老年与青年女性上衣纸样比较研究

研究中老年与青年女性较合体上衣纸样结构参数和制图方法上的差异 ,讨论人体体型和服装纸样之间的密切关系。     

中老年与青年女裤纸样比较研究

研究中老年与青年女性较合体裤子纸样结构参数和制图方法上的差异 ,讨论人体体型和服装纸样之间的密切关系。     

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。     

中国东部地区青年女性人体体型分类

为寻得合理便捷的人体体型分类方法,采用三维扫描系统对年龄为20~35岁的407名中国东部地区青年女性进行人体数据获取,运用逆向工程软件对每个样本测量66项数据。通过因子分析提取与人体体型相关的主成份,通过相关性分析等方法从人体体型主成份中提取人体特征变量,通过分层法聚类分析对人体体型进行分类。研究得出:从与人体体型相关的7个主成分中提取特征变量为乳下围扁平率、身腰比、胸腰差、臀腰差;第1层聚类以乳下围扁平率作为特征变量,第2层聚类以身腰比、胸腰差、臀腰差作为特征变量;最终将人体体型分为14类。经检验,所得体型间存在显著性差异,分类结果合理有效。     

骑行动态变化对骑行服款式的影响

针对当前骑行服产品款式存在的问题,为了使女性骑行服更加贴合人体、提高骑行舒适度,通过对青年女性体型正面及侧面形态特点的了解,以标准女性体型为分析对象,对人体特征进行归纳,并且将骑行过程中的人体动态部位、皮肤肌肉水平方向及垂直方向的伸缩变化进行分析。根据静态与动态的数据对比分析,得出:在骑行过程中上肢与下肢的主要部位对骑行服尺寸大小、位置设定、细节调节等款式具有影响,应进一步加强对骑行服款式的探究。该研究可为女性骑行服款式结构的优化设计提供帮助。     

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。