基于神经网络集成的人体体型分析与号型归档研究

随着消费者对服装的合体性、个性化需求不断提升，服装企业生产逐渐由适应大众消费的批量生产过渡到适应特定消费者的定制式生产，包括面向群体的批量定制和面向个体消费者的量身定制。体型分析是服装定制的前提，然而在体型分类细化与样板数据增多的同时，庞大的体型数据库与号型数据库也随之产生，如何实现人体体型数据与服装号型数据的快速、精确、高效匹配是服装定制过程中亟待解决的关键问题之一。为此，课题在人体体型分析的基础上构建了基于神经网络集成的服装号型自动归档系统。首先，采用美国[TC]2三维人体测量仪对年龄在18-25岁之间的青年女性进行三维人体测量，采集人体控制部位的数据信息以及人体正面与侧面的二维图像；通过图像处理技术得到清晰的人体体表轮廓线，在此基础上提取体表特征点坐标并计算得到6个体表角度。其次，通过对体表角度的偏相关分析得到具有代表性的4个体表角度指标，即肩斜角、体侧角、胸突角、臀突角，分别用以表征人体肩部、腰部、胸背部和臀部的体表形态特征；运用K-Means聚类方法将人体体型分为4类，并与国标Y、A、B、C四种体型组合得到16种细分体型。再次，将神经网络集成方法运用于人体体型识别研究，通过Adaboost算法集成10个简单BP神经网络，运用Matlab R2010a软件构建BP-Adaboost神经网络体型识别模型，实现人体体型自动识别，识别精度达95%。然后，根据服装结构设计的需要，在国标服装号型控制部位的基础上将控制部位扩增为20项；通过试穿实验，根据适体性原则得到人体与号型的对应关系。由此统计分析得到各细分体形在号型系列中的分布规律，并计算得到号型规格相应控制部位的具体数值。最后运用MIV算法分别对上装和下装的控制部位指标进行筛选，将筛选后的控制部位指标作为神经网络模型的输入层，运用神经网络集成方法构建身高、胸围、腰围的预测模型；结合体型识别模型得到号型的三项构成单元信息，即号（身高）、型（胸围、腰围）和体型，由此构建基于神经网络集成的服装号型归档系统，实现号型自动归档。综上，课题研究在研究人体体型的基础上，建立细化的服装号型规格库，运用神经网络集成方法构建服装号型自动归档系统，实现人体与服装号型的自动映射，为服装批量定制与量身定制、网上服装号型推荐与销售奠定技术基础。