基于小波系數(shù)的青年女性體型分類及原型紙樣

姚 怡， 馬 靜， 吳 歡， 李秦曼， 鄒奉元,2(. 浙江理工大學(xué) 服裝學(xué)院， 浙江 杭州 3008； 2. 浙江省服裝工程技術(shù)研究中心， 浙江 杭州 3008)

基于小波系數(shù)的青年女性體型分類及原型紙樣

姚 怡1， 馬 靜1， 吳 歡1， 李秦曼1， 鄒奉元1,2
(1. 浙江理工大學(xué) 服裝學(xué)院， 浙江 杭州 310018； 2. 浙江省服裝工程技術(shù)研究中心， 浙江 杭州 310018)

為建立基于縱截面曲線形態(tài)指標(biāo)細(xì)分青年女性軀干體型的方法，選擇了257名在校青年女性，使用掃描儀獲得三維人體數(shù)據(jù)，借助Imageware逆向工程軟件，對(duì)人體點(diǎn)云數(shù)據(jù)進(jìn)行精簡(jiǎn)處理，通過三次樣條函數(shù)對(duì)提取的縱截面輪廓點(diǎn)云數(shù)據(jù)進(jìn)行擬合，運(yùn)用小波去噪進(jìn)行處理；利用小波分析的低頻系數(shù)作為提取信號(hào)的總體特征，用Davies-Bouldin指標(biāo)確定最佳聚類數(shù)目，利用K-means聚類算法進(jìn)行體型聚類，獲得4類不同的體型，描述了各類體型在前后中心線、背部、胸部、臀部、肩部和側(cè)縫的體型特征差異；最后構(gòu)建4類體型對(duì)應(yīng)的原型紙樣，并分析紙樣與人體體型間的關(guān)系，可為青年女性原型紙樣的合體性設(shè)計(jì)提供參考。

縱截面曲線； 小波去噪； 小波分解； 原型紙樣； 女青年體型分類

現(xiàn)行的國(guó)家號(hào)型標(biāo)準(zhǔn)按照胸腰差進(jìn)行人體體型分類，能區(qū)分人體的橫向圍度體型特征差異。服裝行業(yè)在服裝結(jié)構(gòu)設(shè)計(jì)方面也主要依賴于國(guó)標(biāo)，只考慮人體尺寸數(shù)據(jù)，忽略人體體表曲線形態(tài)的差異，造成服裝的合體性較差[1]。服裝的前中線、后中線等都與人體的縱截面曲線形態(tài)緊密聯(lián)系，通過分析縱截面曲線形態(tài)進(jìn)行人體體型細(xì)分，可為服裝結(jié)構(gòu)設(shè)計(jì)提供較完整的體型控制部位信息，滿足消費(fèi)者對(duì)于服裝的合體性需求。

目前，國(guó)內(nèi)外學(xué)者從尺寸參數(shù)、體表角度、正側(cè)面輪廓、不同年齡段等方面對(duì)人體體型展開研究。Simmons等[2]通過對(duì)體型特征胸圍、腰圍、臀圍、上腹圍、腹圍的數(shù)值把人體體型分為沙漏型、橢圓型、三角型、倒三角型、矩形、菱型、匙型、正沙漏型、倒沙漏型9種，同時(shí)每個(gè)體型被賦予了一個(gè)數(shù)值范圍；Chung等[3]采用二階聚類分析方法，按照年齡、性別和服裝號(hào)型，將中小學(xué)生的體型分為9種類型。Choi等[4]利用人體體側(cè)角對(duì)人體側(cè)面體型形態(tài)進(jìn)行表征，并將人體側(cè)面體型分為4類。關(guān)于不同人體體型的分析研究有很多，但關(guān)于體表曲線形態(tài)的研究，尤其是與服裝結(jié)構(gòu)緊密聯(lián)系的縱截面曲線，雖已有學(xué)者對(duì)其進(jìn)行量化研究[5]，但主要還是集中于局部特征的研究，并未進(jìn)行人體截面輪廓曲線的整體形態(tài)研究。

本文主要研究青年女性縱截面特征曲線之間的形態(tài)差異，對(duì)軀干體型進(jìn)行分類研究。利用三維人體測(cè)量技術(shù)及逆向工程軟件處理原始點(diǎn)云數(shù)據(jù)；通過擬合去噪得到光順的縱截面輪廓曲線，建立運(yùn)用小波系數(shù)進(jìn)行青年女性體型細(xì)分的方法， 構(gòu)建與體型對(duì)應(yīng)的原型紙樣。

1 實(shí)驗(yàn)部分

1.1 人體數(shù)據(jù)采集

選取257名年齡為18～25歲的在校青年女大學(xué)生作為實(shí)驗(yàn)對(duì)象。采用美國(guó)[TC]2的三維人體測(cè)量?jī)x，測(cè)量溫度為(27±3)℃，相對(duì)濕度為(60±10)%，符合裸體測(cè)量的環(huán)境標(biāo)準(zhǔn)。

服裝的主要結(jié)構(gòu)特征線，如前中線、后中線、過胸高點(diǎn)曲線等，都與人體正矢狀面、過胸高點(diǎn)矢狀面等縱截面曲線形態(tài)緊密相關(guān)。本文通過人體特征點(diǎn)位置提取人體縱截面輪廓曲線點(diǎn)云數(shù)據(jù)，包括正矢狀面、過胸高點(diǎn)矢狀面、過背凸點(diǎn)矢狀面、過臀凸點(diǎn)矢狀面、冠狀面的表面輪廓曲線點(diǎn)云數(shù)據(jù)。

在三維人體測(cè)量的基礎(chǔ)上，利用Imageware逆向工程軟件對(duì)人體點(diǎn)云數(shù)據(jù)進(jìn)行精簡(jiǎn)處理，去除頭部及四肢，保留人體軀干部分。根據(jù) GB/T 16160—2008《服裝用人體測(cè)量的部位與方法》，運(yùn)用幾何形狀分析法[6]根據(jù)局部極值判斷特征點(diǎn)所在位置進(jìn)行縱截面曲線點(diǎn)云數(shù)據(jù)的自動(dòng)抽取。

1.2 人體數(shù)據(jù)預(yù)處理

最小二乘法和樣條曲線擬合法是曲線擬合中較為傳統(tǒng)與常用的方法。最小二乘法雖然簡(jiǎn)單，計(jì)算量小，但當(dāng)擬合階數(shù)逐漸增大時(shí)，擬合曲線易出現(xiàn)震蕩現(xiàn)象，因此該方法對(duì)非線性函數(shù)進(jìn)行多項(xiàng)式擬合效果并不理想[7]。三次樣條擬合曲線光滑度較好，且當(dāng)節(jié)點(diǎn)加密時(shí)，其函數(shù)值在整體上能很好地逼近被插函數(shù)，因此，本文運(yùn)用三次樣條函數(shù)擬合相應(yīng)的縱截面輪廓曲線點(diǎn)云數(shù)據(jù)。

由于三維人體掃描所測(cè)得點(diǎn)云數(shù)據(jù)存在噪聲，人體縱截面輪廓曲線點(diǎn)云數(shù)據(jù)可能會(huì)出現(xiàn)噪點(diǎn)、雜點(diǎn)、孔洞等形態(tài)，造成擬合曲線表面不平整。為便于曲線的量化分析，需對(duì)縱截面輪廓曲線進(jìn)行去噪處理。

運(yùn)用小波去噪法[8]，實(shí)際獲得的點(diǎn)云數(shù)據(jù)含有誤差，這種由物理測(cè)量帶來的誤差可近似地認(rèn)為均值為0，且方差未知的高斯噪音。方差的大小可通過信號(hào)小波分解后高頻信息進(jìn)行估計(jì)。在實(shí)際操作中，調(diào)用MatLab中的ddencmp函數(shù)估計(jì)噪音方差，并獲得閾值大??；然后采用wdencmp函數(shù)進(jìn)行去噪，得到光順的人體縱截面曲線，如圖1所示。圖中擬合曲線 1～7分別為: 正矢狀面前中心線、正矢狀面后中心線、過胸高點(diǎn)矢狀面擬合曲線、過背凸點(diǎn)矢狀面擬合曲線、過臀凸點(diǎn)矢狀面擬合曲線、肩部冠狀面擬合曲線、側(cè)縫冠狀面擬合曲線。

圖1 人體軀干縱截面曲線Fig.1 Body longitudinal section curve.(a)Sagittal plane; (b)Coronal plane

2 數(shù)據(jù)處理與分析

2.1 小波系數(shù)提取

縱截面曲線通過去噪后得到一個(gè)點(diǎn)列，記為c=(c[1]，c[2]，…,c[n])T。

采用Daubechies 4階正交小波[9]對(duì)點(diǎn)列作4層小波分解，提取小波系數(shù)的低頻部分信息作為該曲線的整體特征。以7條縱截面曲線的小波系數(shù)作為分類的依據(jù)，如表1所示。數(shù)學(xué)上得到257個(gè)70×1的向量。其中，1～10表示過胸高點(diǎn)矢狀面擬合曲線的小波系數(shù)，11～20表示過背凸點(diǎn)矢狀面擬合曲線的小波系數(shù)，21～30表示過臀凸點(diǎn)矢狀面擬合曲線的小波系數(shù)，31～40表示正矢狀面前中心線的小波系數(shù)，41～50表示正矢狀面后中心線的小波系數(shù)，51～60表示肩部冠狀面擬合曲線的小波系數(shù)，61～70表示側(cè)縫冠狀面擬合曲線的小波系數(shù)。

表1 小波系數(shù)Tab.1 Coefficient of wavelet

經(jīng)小波去噪后的曲線變化趨勢(shì)與人體輪廓曲線的變化趨勢(shì)總體相似。不同人體的曲線形態(tài)不同，這些曲線對(duì)應(yīng)的低頻信息能反映個(gè)體間存在的差異性。根據(jù)人體縱截面輪廓曲線的低頻小波系數(shù)差異，采用聚類的方法依據(jù)b1,b2,…,b257進(jìn)行體型分類。

2.2 縱截面體型分類

聚類分析中的K-means聚類[10]算法處理數(shù)據(jù)快、適合大樣本處理，但須預(yù)先給定聚類數(shù)目作為先驗(yàn)值，而人體體型的分類數(shù)目未知，故本文利用Davies-Bouldin指標(biāo)[11]作為判別函數(shù)來確定最佳K值，計(jì)算公式為

式中：K為聚類數(shù)目；Wi表示類Ci中的所有樣本到其聚類中心的平均距離，Wj表示類Ci中的所有樣本到類Cj中心的平均距離，Cij表示類Ci和Cj的類間距離?？煽闯觯珼越小表示類與類之間的相似度越低，從而對(duì)應(yīng)越佳的聚類結(jié)果。

測(cè)試樣本數(shù): 257

K值測(cè)試范圍：1，2，3，4，5，6，7，8，9，10

D值: 1.075 0，0.992 4，0.980 5，1.172 0，1.220 3，1.348 8，1.420 2，1.380 4，1.444 6

最佳K值: 4

D指標(biāo)值越小表示聚類效果越好，當(dāng)聚類數(shù)目為4時(shí)，D指標(biāo)值為0.980 5，此時(shí)D指標(biāo)最小獲得最優(yōu)的聚類數(shù)目。將257個(gè)研究樣本分為4類，每類中人體分別有124個(gè)、29個(gè)、93個(gè)、11個(gè)。將各類體型的人體數(shù)據(jù)從人體數(shù)據(jù)庫中進(jìn)行篩選，選取各類的典型人體縱截面輪廓曲線，對(duì)比分析4類人體縱截面輪廓曲線的差異，其體型分類特征如表2所示；截面輪廓曲線如圖2所示。在國(guó)標(biāo)基礎(chǔ)上，根據(jù)人體縱截面曲線形態(tài)進(jìn)行人體體型的細(xì)分，人體體型細(xì)分后的樣本分布如表3所示。

表2 體型分類特征表Tab.2 Features of classification

分析4類細(xì)分體型的體型特征，將4類人體特征運(yùn)用于服裝結(jié)構(gòu)設(shè)計(jì)，提高服裝的合體性。實(shí)驗(yàn)樣本中，160/84A號(hào)型有23名，樣本量最多，其中第Ⅰ類有6名、第Ⅱ類有5名、第Ⅲ類有7名、第Ⅳ類有5名，因此，以160/84A的4類細(xì)分體型對(duì)應(yīng)的尺寸如表4所示，采用文獻(xiàn)[12]中的原型(東華和文化服裝原型也都可以)來構(gòu)建細(xì)分體型的原型紙樣。

圖2 第Ⅰ～Ⅳ類截面曲線Fig.2 Longitudinal section cure from class Ⅰ to class Ⅳ.(a)Class I sagittal plane; (b) Class Ⅰ coronal plane;(c)Class Ⅱ sagittal plane; (d)Class Ⅱ coronal plane; (e)Class Ⅲ sagittal plane; (f)Class Ⅲ coronal plane;(g)Class Ⅳ sagittal plane; (h)Class Ⅳ coronal plane

表3 細(xì)分體型在國(guó)標(biāo)體型中的樣本分布Tab.3 Sample distribution of body shape classification in national standard

注：占比1表示樣本在所屬國(guó)標(biāo)類型所占比例；占比2表示樣本在總樣本所占比例。

第Ⅰ類人體體型較為橢圓，胸部胖扁，腰圍較大，導(dǎo)致紙樣前腰省量減?。槐抽L(zhǎng)較長(zhǎng)，導(dǎo)致紙樣后中線略長(zhǎng)。第Ⅱ類人體體型較為圓潤(rùn)，胸部瘦挺，紙樣的前腰省量增加；人體小肩寬略長(zhǎng)，導(dǎo)致紙樣肩線略長(zhǎng)。第Ⅲ類人體體型較為勻稱，胸圍略大，紙樣的前腰省量增加；人體胸寬略窄，導(dǎo)致紙樣胸寬量略??；人體胸高長(zhǎng)度略短，導(dǎo)致紙樣BP點(diǎn)靠近袖窿深線。第Ⅳ類人體體型較為扁平，胸部瘦扁，前腰省量減小；人體除胸圍外，其余尺寸與第Ⅲ類人體相同，因此紙樣變化相同。

表4 不同體型尺寸表Tab.3 Size table of different body shape

在實(shí)際設(shè)計(jì)紙樣時(shí)，可利用人體縱截面曲線特征，進(jìn)一步完善紙樣。如根據(jù)人體后中心線，第Ⅲ類人體腰部位置凹陷，如有后中分割線，紙樣腰部背省量最大；第II類人體臀部位置后翹，后中分割線臀部需放量并超過后中線等等。

3 結(jié) 論

1)采用3次樣條函數(shù)擬合人體縱截面輪廓曲線，并進(jìn)行小波去噪，得到光順的體表縱截面曲線。利用小波分解提取人體縱截面輪廓曲線的小波系數(shù)，曲線對(duì)應(yīng)的低頻信息能反映個(gè)體體型之間存在的差異性。

2)利用Davies-Bouldin指標(biāo)確定最佳分類數(shù)目，運(yùn)用K-means聚類算法，在國(guó)標(biāo)體型中進(jìn)行體型的縱向細(xì)分，獲得了特征明顯的4類體型。

3)以160/84A號(hào)型為例，根據(jù)細(xì)分為4類體型對(duì)應(yīng)的人體背長(zhǎng)、胸圍、腰圍、小肩寬、胸高等尺寸，調(diào)整原型紙樣的衣長(zhǎng)、腰省大小、肩省大小等，構(gòu)建了相同號(hào)型人體細(xì)分體型、獲得相應(yīng)原型的方法。

FZXB

[1] 錢曉農(nóng), 尹兵. 基于三維人體測(cè)量的人體體型細(xì)分識(shí)別的研究[J]. 紡織學(xué)報(bào), 2011, 32(2):107-111.

QIAN Xiaonong，YIN Bing. Research on subdividing of human body recognition based on 3-D body measure-ment[J]. Journal of Textile Research, 2011, 32(2):107-111.

[2] SIMMONS K, ISTOOK C L.Female figure identification technique (FFIT) for apparel: part II: development of shape sorting software[J]. Journal of Textile & Apparel Technology & Management, 2004, 4(1):1-14.

[3] CHUNG M J, LIN H F, WANG M J J. The development of sizing systems for Taiwanese elementary- and high-school students[J]. International Journal of Industrial Ergonomics, 2007, 37(8):707-716.

[4] CHOI Y L, YUN J N. Classification of upper lateral body shapes for the apparel industry[J]. Human Factors & Ergonomics in Manufacturing, 2010, 20(5):378-390.

[5] 倪世明, 金娟鳳, 龐程方,等. 基于縱向輪廓曲線的青年女性體型細(xì)分研究[J]. 紡織學(xué)報(bào), 2014, 35(8):87-93.

NI Shiming，JIN Juanfeng，PANG Chengfang，et al. Research of young female somatotype based onlongitudinal profile curves[J]. Journal of Textile Research, 2014, 35(8):87-93.

[6] 葛寶臻, 郭華婷, 彭博,等. 基于人體特征提取的模特體型尺寸自動(dòng)測(cè)量方法[J].紡織學(xué)報(bào),2012, 33(4):129-135.

GE Baozhen，GUO Huating，PENG Bo, et al. Automatic model style measurement based on automatic body feature extraction from 3-D scanning data[J]. Journal of Textile Research, 2012, 33(4):129-135.

[7] 盛仲飚，同曉榮.BP神經(jīng)網(wǎng)絡(luò)在曲線擬合中的應(yīng)用[J].科學(xué)技術(shù)與工程，2011，11(28): 6998-7000．

SHENG Zhongbiao，TONG Xiaorong. The application of BP meural networks in curve fitting[J]. Science Technology and Engineering，2011，11 (28): 6998-7000．

[8] DONOHO D L. De-noising by soft-thresholding[J]. IEEE Transactions on Information Theory,1995, 41(3):613-627.

[9] MOHAMED M, DERICHE M. An approach for ECG feature extraction using daubechies 4 (DB4) wave-let[J]. International Journal of Computer Applications, 2014, 96(12):36-41.

[10] 方方, 王子英. K-means聚類分析在人體體型分類中的應(yīng)用[J]. 東華大學(xué)學(xué)報(bào)(自然科學(xué)版), 2014, 40(5):593-598.

FANG Fang, WANG Ziying. Application of K-means clustering analysis in the body shape classifica-tion[J]. Journal of Donghua University(Natural Science), 2014, 40(5):593-598.

[11] WANG G, WANG Z, CHEN W, et al. Classification of surface EMG signals using optimal wavelet packet method based on Davies-Bouldin criterion[J]. Medical & Biological Engineering & Computing, 2006, 44(10):865-87.

[12] 朱秀麗, 吳巧英. 女裝結(jié)構(gòu)設(shè)計(jì)與產(chǎn)品開發(fā)[M]. 北京：中國(guó)紡織出版社, 2011:71-73.

ZHU Xiuli, WU Qiaoying. Pattern Making and Product Development of Women′s Wear [M]. Beijing: China Textile & Apparel Press, 2011:71-73.

Youngfemalebodyshapeclassificationandprototypepatternsbasedonwaveletcoefficient

YAO Yi1， MA Jing1， WU Huan1， LI Qinman1， ZOU Fengyuan1,2
(1.FashionCollege,ZhejiangSci-TechUniversity,Hangzhou,Zhejiang310018,China; 2.ProvincialResearchCenterofClothingEngineeringTechnology,Hangzhou,Zhejiang310018,China)

In order to establish a method of subdividing young female′s torso shapes based on the morphology of the longitudinal section curve, 257 young college female students were selected. 3-D human body was acquired by a scanner. Point cloud data of human body was simplified using reverse engineering software of Imageware. Point cloud data of longitudinal section profile curve was fitted by the cubic spline function, and subjected to wavelet denoising. Low frequency coefficient for wavelet analysis was used to extract overall characteristic of signals. As for shape clustering the K-means cluster analysis was used, and the Davies-Bouldin was used to determine the optimal class number. Human body shapes could be classified into four types. The difference on all kinds of shapes on front/back center line, back, chest and hip were described. Finally, the prototype patterns of four types of body shapes were built, and the relationships between patterns and body shapes were analyzed, which provides the reference basis for the fitness design of young female′s patterns.

longitudinal section curve; wavelet denoising; wavelet decomposition; prototype pattern; young female body shape classification

10.13475/j.fzxb.20170305405

TS 941.17

A

2017-03-27

2017-07-27

國(guó)家自然科學(xué)基金項(xiàng)目(11671009)；2017年浙江省大學(xué)生科技創(chuàng)新活動(dòng)計(jì)劃項(xiàng)目(2017R406082)

姚怡(1993—)，女，碩士生。主要研究方向?yàn)槿梭w工程與服裝數(shù)字化技術(shù)。鄒奉元，通信作者，E-mail：zfy166@zstu.edu.cn。