基于体表角度的女子体型分类与识别.pdfVIP

浙江理工大学学报，第30卷，第2期，2013年3月 of Sci—Tech JournalZhejiang University V01．30，No．2，Mar．2013 文章编号：1673—3851(2013)02—0184—05 基于体表角度的女子体型分类与识别 孙洁8。倪世明8，叶玲8，邹奉元8．b (浙江理工大学a．服装学院；b．浙江省服装工程技术研究中心，杭州310018) 摘要：从人体形态差异角度细分人体体型，通过三维人体扫描获得500名年龄在18～25岁之间的女青年的 正面和侧面二维图像，运用Matlab软件获得11个躯干体表特征点的坐标并计算得到能够反映体型差异的体表角 度；通过偏相关性分析得出表征人体形态特征的4个体表角度，即肩斜角、胸突角、体侧角、臀突角；运用K-means聚 类将人体体型分为4类。在此基础上，构建基于神经网络集成的体型识别模型，训练集识别精度达到95％。该方法 可有效区分人体形态差异，适应服装量身定制生产的需求。 关键词：体表角度；K-Means聚类；神经网络集成；人体体型识别 中图分类号：TS941．17文献标志码：A 分，利用神经网络集成方法构建BP神经网络识别 O 引 言 模型，实现体型自动识别，以有效区分个体体表形态 在服装量身定制系统中，通过细分人体体型，获 差异，为服装基础纸样的制定提供基础。 得更为确切的体型控制部位信息，是服装合体性的 1数据预处理 重要保障[1]。近年来，国内外学者就人体体型细分 1．1数据采集 进行了深入研究，其主要研究思路为：在三维测量的 实验以500名年龄在18--25岁的青年女性为 基础上分别从整体和肩部、胸部、背部、臀部、腹部等 研究对象，按GB／T23698--2009《三维扫描人体测 局部出发提取人体体型特征参数[2‘3]，利用因子分 量方法的一般要求》[11|，运用美国TC2三维人体扫 析[3。4]、指标聚类[5]等方法进行降维处理，通过快速 描与测量系统进行人体扫描，并截取人体正面和侧 聚类[4-5]和模糊聚类睁71等方法进行体型分类，在此 基础上采用遗传神经网络[8]、支持向量机[3I、概率神 体表轮廓线，提取过程见图1。 经网络[5]等方法构建体型识别模型。从而，实现人 体体型细分和自动识别。然而，在服装结构设计中 只考虑人体围度和比例等尺寸信息，忽略体表曲线 形态，是造成服装合体性不强的重要原因[7]。人体 体表形态主要由体表轮廓曲线记录，其形态变化可 (a)正面视图 Lee等学者 以通过体表角度来表示[9]。Wookyung 在人体三维数据的基础上，将人体尺寸转换成为9个 角缺陷结构，利用角缺陷代替尺寸将人体体型按照年 龄进行细分[1引，为人体体型细分提供了新的思路。 百 本文通过三维扫描图像，获取人体体表的角度 (b)侧面视图 信息，在国标基础上根据体表角度进行人体体型细 图1体表轮廓线提取 收稿日期：2012—10一23 基金项目：国家茧丝绸发展专项项目(财企)；浙江省实验教学示范中心建设项目(SBll05001一E) 作者简介：孙洁(1987一)，女，