基于量身定制的服装领部号型系列研究

参照服装量身定制细分服装号型来提高合体性的思想,通过三维人体扫描仪获取人体尺寸,提出服装领部号型可以表示为：颈根围/颈型分类,并统计出服装领部号型系列。     

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。     

服装样板个性化处理的新途径

服装的合体性是人们对着装最简单、普遍的要求。随着经济发展和时代进步,人们对服装合体性的要求也越来越高。然而服装生产通常都是批量化的,从经济利益角度考虑,服装生产企业希望用最少的号型系列覆盖尽量多的人体,而且号型都是针对群体而设计的,因此,批量化生产的服装产品并不能保证所有人都能找到合体服装。     

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。     

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。     

区域规模化服装定制的企业号型分档技术

服装企业在生产过程中积累了海量量体数据信息。文章利用数据挖掘、聚类分析等数学分析技术,提出并重新规划合乎地域人体需求的企业号型表,打破国标号型分类的不足,特别是运用模糊聚类的号型分档表更加真实地体现区域人体号型关系,为企业提供产品规格系列设计、投产号型及配置辅助决策参考,并为区域性规模化服装定制的量体数据进行合理号型选配和归档提供可靠依据。     

基于择近原则的服装号型数字化归档方法

个性化合体服装的需求已成为一种消费趋势,服装号型数字化归档是快速实现个性化合体服装的前提。以男西服批量定制为例,根据国家服装号型标准和基于人工智能的择近原则,探讨并发展了男西服服装号型数字化归档方法,指出完善企业服装号型的必要性。通过对测体数据实例应用分析和企业具体实施,论证此方法的快速、科学及可行性。该研究方法能推广至其它品类服装,为定制服装企业迫切需要解决的快速号型归档问题提供了便捷有效的解决途径。     

服装号型标准体型分类应用的研究

分析了我国服装号型标准GB／T1335-997中人体体型分类的不足，应用三维人体扫描仪采集青年女子体型数据，通过对标准差的比较，选取胸臀差作为体型分类指标，利用体型聚类分析法，将青年女子体型分为3类，达到方便服装企业生产及便于消费者选择的目的。     

我国服装号型标准的优化探讨

服装号型标准是服装工业很重要的一个基础标准。我国现行服装号型标准的制定经过了人体功效学、数理统计、服装标准化、服装生产、管理和教育领域等专家精密的计算,精心的设计,先后研究了人体体型分类、基本部位的选定、号型设置范围、上下装配套、中间体确定、     

服装批量定制中的女性形体识别研究

在服装批量定制中 ,确定服装样板的两个重要因素是人体的测量数据和标准样板。从标准样板入手 ,通过细分人体类别 ,扩大标准样板数。这种方法可降低测量成本 ,同时大大提高合体度。     

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。     

3D量体在定制女装智能版型中的应用研究

通过大量的3D人体量体实验和大量的CAD样板的结合，研究了女装3D量体和CAD样板的尺寸部位的结合控制，认为3D量体的人体数据直接可以在服装CAD样板中生产联动关系，只需要将量体数据输入CAD样板中，就可以智能生成不同人体的尺寸样板，来支撑服装版型与人体的完美融合，用于工业化生产量体定制。这种方法直接决定服装的合体度和舒适度，受消费者喜欢。     

基于仿真区域性数据的服装团体定制归号机制

在服装团体定制市场快速发展的背景下，为探究适应不同团体客户的定制方案，解决区域性大规模人体尺寸数据收集难的问题，优化团体定制归号流程和提升团体订单风格统一性，采用蒙特卡罗方法仿真区域性团体尺寸测量数据，建立区域性团体号型规格表(RGS),并提出基于比例方法归号流程，优化归号结构链。结果表明：仿真数据与初始订单数据的散点图分布一致，仿真尺寸数据均呈正态分布，达到预期仿真目标。分别采用企业初始号型规格表(EIS)和区域性团体号型规格表对订单尺寸进行归号，RGS归号结果评价等级优秀转化为47.4%,表明优化的归号流程有效，且RGS更贴合目标区域人群体型，号型覆盖评价结果显示RGS对区域人群的整体覆盖效果显著。     

体型分析在观测服装号型适应性上的应用

针对当前国内外缺失观测特定人群的服装号型适应性这一现状,提出以体型分析为基础的服装号型适应性观测方法,通过捕获人体的三维数据,从数据集群中选择服装号型分类变量的主成分,带入我国服装号型标准中进行验证。依据多组K均值聚类分布结果,结合验证后的号型覆盖率和档差关系选取最优K值,观测聚类中心的数值和分布图,描述该样本的服装号型适应性。结果表明：测量对象的差异性对号型分类变量的选取有直接影响,该服装号型适应性观测方法能够得到观测对象的体型发展趋势、服装号型覆盖率和档差调整方案、具体的“号”与“型”对应关系,提高了服装市场调研和生产计划的准确性。     

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。     

青年女裤号型配置设计研究

从调研入手,了解了现有女裤在号码标注方面存在的问题,结合三维人体测量的结果,对青年女性的人体数据进行了分析.结合现有国家标准的基本要求,根据测量数据确定了青年女裤的中心号型,并提出了以中心号型为核心的十字型和米字型号型配置方法.     

虚拟服装迁移在个性化服装定制中的应用

为解决服装定制中个性化服装开发效率低以及虚拟试衣过程繁琐等问题，首先，详细阐明了三维服装软件CLO 3D和Marvelous Designer的虚拟服装迁移原理；其次，结合CLO 3D的虚拟服装迁移和自动转换虚拟模特功能，提出了一套针对三维扫描人体的个性化服装定制方案；最后，采用三维扫描人体开展虚拟服装迁移实验，验证了该方案在实际个性化服装定制应用中的可行性。研究结果表明：针对不同体型的三维扫描人体，可快速生成个性化虚拟服装、个性化样板和展示个性化虚拟试衣效果；生成的虚拟服装能够满足不同体型的个性化需求。该方法可提高个性化虚拟服装开发效率，为个性化服装定制提供技术支持。     

服装投产规格号型决策

通过对量体数据库、销售数据库的数据挖掘,研究服装投产的号型规格配比决策模型和决策方法。运用数据挖掘的K-Means方法处理表征顾客量体体型大小的数据库,引导并简化区域化服装投产号型表的制定;运用SubCluster聚类提炼区域化服装量体数据,成为指导生产的"区域化规格号型表",对人群进行规格号型总体分档,为规模化服装定制生产提供可靠的定制规格表;并由此对销售规格数据库、量体尺寸数据库、库存数据库进行统计与挖掘,提出了投产的号型规格配比决策模型,为"基于三维量体库的服装号型决策系统开发"项目奠定了基础,开发了实用软件工具。     

西安地区小学生服装号型分类

针对目前小学生服装号型与其体型不匹配的问题,选取西安地区851名7～10岁小学生,用手工测量方式获得人体数据。通过K-means聚类法对获得的人体数据进行聚类,并用组内平方误差和确定最佳聚类数,得到X、Y和Z等3种西安地区小学生体型,以及符合西安地区小学男、女生中间体的服装号型,即男生140/65和140/61,女生135/63和135/59。采用回归分析得出手臂长、肩宽、臀围和腰围高4个主要部位与身高、胸围的关系,并计算出7个部位的分档值。所得数据为服装企业在进行小学生校服设计及生产中提供参考。     

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...