基于局部特征的青年女性腿部形態(tài)分類

陳希雅， 趙 穎， 蔡曉裕， 顧冰菲,2,3

(1. 浙江理工大學(xué) 服裝學(xué)院， 浙江 杭州 310018； 2. 浙江理工大學(xué) 浙江省服裝工程技術(shù)研究中心， 浙江 杭州 310018；3. 浙江理工大學(xué) 絲綢文化傳承與產(chǎn)品設(shè)計數(shù)字化技術(shù)文化和旅游部重點實驗室， 浙江 杭州 310018)

隨著經(jīng)濟的快速發(fā)展，當代女性對服裝個性化和合體性的重視程度不斷提高。制作能滿足新時代女性對服裝合體和修飾體型兩大需求的產(chǎn)品成為新的發(fā)展方向。人體腿部局部特征及其分類研究是褲裝結(jié)構(gòu)設(shè)計、舒適性、合體性研究及版型優(yōu)化的重要基礎(chǔ)?，F(xiàn)在被廣泛運用的X-O型腿部分類法已不能滿足市場需求，服裝行業(yè)需要更合理的細化腿部分類方法，從而更好地應(yīng)用于個性化服裝定制和服裝造型設(shè)計。近年來，國內(nèi)外學(xué)者通過主成分分析、因子分析、快速聚類等統(tǒng)計學(xué)方法對人體下體形態(tài)進行了相關(guān)研究。

Kong等[1]重點研究了女性下體圍度尺寸的計算規(guī)則，測量各關(guān)鍵部位截面的寬度、厚度和圍度尺寸，分析各部位三尺寸間的關(guān)系，建立各部位圍度尺寸的計算公式，用該計算公式修改三維人體點云模型。張秀[2]通過因子分析得到5個影響下體體型的因子，主要以腰腹差、臀腰差為依據(jù)將江浙青年女性下體體型分成5類，并且以襠底高與身高的比值為判別標準將下體體型劃分為襠底矮體型、襠底中等體型和襠底高體型。Yao等[3]開發(fā)了一種定位臀部關(guān)鍵特征點的新方法，用來描述女性臀部的主要特征，總結(jié)了8個影響臀部形狀特征的因素，包括2個長度比、2個面積比和4個角度，使用兩步K均值聚類分析將臀部深入分為3大類10小類。李紅勤[4]將下體數(shù)據(jù)分為長度、圍度和角度3大類，從中提取出長度因子、圍度因子以及腰臀部體型特征因子，并得出主要部位的回歸方程，通過腰臀部特征分析將青年女性下體分為正常體、扁臀體、厚臀體。叢杉等[5]利用主成分分析法提取了臀部形態(tài)因子、腰腹形態(tài)因子和豐滿因子，從而進行臀部體型特征的識別和樣本的分類判別，并且對襠部重要變量建立了回歸模型，所得結(jié)論推動了人體體型分類的研究工作，利于目標人群下裝的款式設(shè)計與結(jié)構(gòu)設(shè)計。

除了主成分分析法[6-8]和聚類分析法[9-11]，還有學(xué)者采用了其他分析方法。Liu[12]提出了一種中老年女性下半身體型分類方法，提取了維度因子、高度因子、腰腹臀圍差異因子以及腰腹臀曲率因子這4個主要因子來描述下半身，為中老年婦女下裝的尺碼標準制定以及服裝結(jié)構(gòu)的研究奠定了理論基礎(chǔ)。Song等[13]開發(fā)了一個人體體型判別分析程序，用訓(xùn)練樣本建立了3類下體體型類別，通過將新樣本的測量值與訓(xùn)練樣本計算出的特征變量進行轉(zhuǎn)換來識別新樣本的體型類別，為服裝樣板大規(guī)模自動生產(chǎn)提供了數(shù)據(jù)支持。Song等[14]結(jié)合前期研究成果進一步優(yōu)化了褲裝定制系統(tǒng)，開發(fā)了新的數(shù)據(jù)驅(qū)動方法，通過多個人體測量值(如深度、角度和弧線)來識別人體體型，并針對總結(jié)的3類體型開發(fā)了優(yōu)化后可自由選擇不同面料樣式的褲裝樣板自動生成系統(tǒng)，使其在保證美觀性的同時擁有了更好的合體性。

目前，關(guān)于人體體型分類的研究有很多，但多為對腰臀部的形態(tài)分類研究，對于腿部的研究則以腿長比例為主，針對腿部形態(tài)的分類研究很少。本文選取236名在校女大學(xué)生作為研究對象，提出了一種腿部形態(tài)分類方法，采用三維測量法、圖像測量法及手工測量法3種人體測量方法進行人體腿部基本參數(shù)采集，從腿部正側(cè)面形態(tài)出發(fā)測量圍度、寬度、厚度、曲線長和相關(guān)角度，經(jīng)過因子分析和聚類分析確定青年女性的腿部形態(tài)分類規(guī)則，可完善青年女性體型分類研究，為個性化服裝定制提供理論依據(jù)和技術(shù)支持。

1 實驗部分

實驗隨機抽取236名18～25歲的在校女大學(xué)生，身高在150～170 cm之間，體重在40～65 kg之間，身體形態(tài)符合正常青年女性體型群體特點。

1.1 測量工具與要求

本文采用三維測量、圖像測量、手工測量3種測量方式，被測者要求身穿淡色內(nèi)衣和白色緊身實驗服，頭戴淡色泳帽(完全遮蓋頭發(fā))，摘除所有配飾。三維測量法使用的是美國[TC2]公司的三維人體掃描儀，要求被測者站在儀器指定位置，雙手輕握兩側(cè)定位扶手，身體自然放松，雙眼平視正前方，保持靜止狀態(tài)30 s(見圖1)；圖像測量法采用后置1 600萬像素的Oppo R17手機獲取被測者的圖像信息，獲取圖像時，要求被試者雙腳站在指定位置上，雙手握拳離開身體兩側(cè)，身體自然放松，雙眼目視前方(見圖2)；手工測量時，被測者身體自然放松，采用德國Hoechstmass軟尺采集被測者的人體數(shù)據(jù)。

圖1 三維掃描站姿Fig.1 3-D scanning post

圖2 拍攝站姿Fig.2 Shooting post

1.2 數(shù)據(jù)測量

利用Imageware軟件和Photoshop軟件分別對三維掃描儀獲得的點云數(shù)據(jù)和人體正側(cè)面照片進行數(shù)據(jù)測量，考慮到人體的對稱性，在此只分析人體的右腿形態(tài)。參考GB/T 16160—2017《服裝用人體測量的尺寸定義與方法》，共提取并計算獲得20個腿部形態(tài)相關(guān)變量，測量部位和對應(yīng)的測量方式如圖3和表1所示。

圖3中：O1為大腿根寬的中點；O2為膝寬中點；O3為踝寬中點；膝曲角用來判別兩腿之間的縫隙大小，可明顯表示出人體腿部形態(tài)的區(qū)別。同時，腿外側(cè)長和腿內(nèi)側(cè)長均采取了曲線測量的方式，可更好地展示形態(tài)上的差異。由于三維、圖像和手工3種測量方式所適用的測量部位不同；手工測量適用于人體圍度和曲線長度參數(shù)；圖像測量適用于寬度、厚度和角度參數(shù)；三維點云測量則適用于所有參數(shù)。因此，20個腿部形態(tài)變量均同時采取手工測量或圖像測量和三維測量2種方式，來驗證三維點云測量數(shù)據(jù)的精確度。

圖3 測量部位示意圖Fig.3 Body measurement landmarks. (a)Front measurement; (b)Front curve measurement; (c)Side measurement

表1 腿部形態(tài)變量Tab.1 Leg shape parameters

2 數(shù)據(jù)分析

2.1 數(shù)據(jù)預(yù)處理

為了驗證三維數(shù)據(jù)的準確性，將各變量的手工測量或圖像測量結(jié)果與三維測量數(shù)據(jù)進行對比，誤差結(jié)果見表2?？煽闯?，所有參數(shù)的2種測量結(jié)果均呈現(xiàn)出較高的相關(guān)性，且在可接受測量誤差范圍內(nèi)的數(shù)據(jù)比例都超過90%，說明三維測量的數(shù)據(jù)整體準確性較高。

表2 數(shù)據(jù)測量誤差分析Tab.2 Error analysis of measured data

結(jié)合各測量方式的誤差分析結(jié)果，同時利用SPSS軟件對20個變量進行排查，找出并處理異常數(shù)據(jù)。查看數(shù)據(jù)異常樣本的原始三維人體點云文件、手工測量數(shù)據(jù)和圖像，對于誤差較大的數(shù)據(jù)采取重新測量的方式進行反復(fù)對比。經(jīng)數(shù)據(jù)預(yù)處理后，最終確定有效樣本為236個。然后采用Q-Q概率圖檢驗數(shù)據(jù)的正態(tài)分布性。以大腿根圍為例(如圖4所示)，236個大腿根圍測量值整體按直線分布，可認為大腿根圍的分布基本服從正態(tài)分布[15]。圖中直線的斜率為樣本標準差，直線的截距為樣本均值，直線在Q-Q概率圖中代表著正態(tài)分布。同理可驗證20個變量都近似服從正態(tài)分布。

2.2 主成分分析

對20個變量進行主成分分析，得到各成分的累積貢獻率表，如表3所示。前6個成分的特征值大于1，總累計貢獻率約為87%，說明這6個成分能夠基本描述腿部的形態(tài)特征。將這6個成分選為主成分因子，按排列順序依次為主成分因子1、2、3、4、5、6。

圖4 大腿根圍的正態(tài)分布Q-Q概率圖Fig.4 Normal distribution Q-Q probability plot of thigh grith

表3 成分累積貢獻率Tab.3 Component cumulative contribution rate

根據(jù)主成分因子旋轉(zhuǎn)后的因子載荷矩陣，如表4所示，可具體定義主成分因子的類型。主成分因子1在大腿根圍、膝圍、小腿圍、踝圍、大腿根厚、大腿根寬上有較大載荷，可定義為水平圍度因子；主成分因子2在腿內(nèi)側(cè)長、腿外側(cè)長、腿長、大腿長、小腿長上有較大載荷，可定義為長度因子；主成分因子3主要在膝圍踝圍比、小腿圍踝圍比上有較大載荷，可定義為小腿圍度差因子；主成分因子4在大小腿長比、膝曲角上有較大載荷，可定義為腿部曲度因子；主成分因子5在大腿根圍膝圍比、腿內(nèi)外側(cè)長比上有較大載荷，可定義為腿部輪廓因子；主成分因子6在大腿根圍小腿圍比、膝圍小腿圍比上有較大載荷，可定義為大腿圍度差因子。因此，影響腿部體型特征的因子總結(jié)為6個，分別為水平圍度因子、長度因子、小腿圍度差因子、腿部曲度因子、腿部輪廓因子、大腿圍度差因子。

2.3 兩步聚類法

本文考慮到樣本的特殊性和樣本數(shù)量，選擇兩步聚類法進行聚類[16]。由表4可看出：水平圍度因子荷載最大值所對應(yīng)的特征因子是大腿根圍，長度因子荷載最大值所對應(yīng)的特征因子是腿內(nèi)側(cè)長，小腿圍度差因子荷載最大值所對應(yīng)的特征因子是膝圍踝圍比，腿部曲度因子荷載最大值所對應(yīng)的特征因子是大小腿長比，腿部輪廓因子荷載最大值所對應(yīng)的特征因子是大腿根圍膝圍比，大腿圍度差因子荷載最大值所對應(yīng)的特征因子是膝圍小腿圍比。在主成分因子中選取大腿根圍、腿內(nèi)側(cè)長、膝圍踝圍比、大小腿長比、大腿根圍膝圍比、膝圍小腿圍比作為主要特征因子，經(jīng)兩步聚類法對實驗樣本進行探索性聚類分析發(fā)現(xiàn)，236名青年女性的腿部體型可分為3類，如表5所示。

表4 旋轉(zhuǎn)成分矩陣Tab.4 Rotational component matrix

表5 聚類分布情況Tab.5 Cluster distribution

對這3類體型進行形態(tài)特征分析發(fā)現(xiàn)：1類腿部形態(tài)大腿根圍形狀接近圓形，大腿短于小腿，腿部修長筆直，腿部整體形態(tài)較圓，為圓體型；第2類腿部形態(tài)大腿根圍形狀較扁，大腿短于小腿，腿部修長，大腿整體形狀較扁，小腿形狀較圓，為稍扁體型；第3類腿部形態(tài)大腿根圍離心率小，大腿根圍形狀扁平，大腿稍短于小腿，腿部整體形態(tài)較扁，為扁體型。同時，在同一大類中，由于膝曲角的正負(逆時針旋轉(zhuǎn)是正角,順時針是負角)代表了2種不同的腿部形態(tài)，如圖5所示，其他特征類似、膝曲角正負不同的2個樣本腿型呈現(xiàn)明顯的不同。其中：膝曲角為正的樣本腿型類似于X形腿；膝曲角為負的樣本腿型類似于O形腿。最終根據(jù)膝曲角的正負，將腿部形態(tài)可細分為6類，這6類腿部形態(tài)的簡單示意圖如圖6所示。

圖5 膝曲角不同的腿型區(qū)別Fig.5 Leg types with different knee angles. (a)Knee angle is positive; (b)Knee angle is negative

圖6 6類腿部形態(tài)的簡單示意圖Fig.6 Simple schematic diagram of sixleg types. (a)Round leg(knee angle is positive); (b)Round leg (knee angle is negative);(c)Slightly flat leg (knee angle is positive);(d)Slightly flat leg (knee angle is negative);(e)Flat leg ( knee angle is positive); (f)Flat leg ( knee angle is negative)

通過對這6類體型的形態(tài)特征分析發(fā)現(xiàn)，單個變量數(shù)據(jù)無法準確描述體型的差異，例如變量大腿根圍無法表示大腿根部的形狀為圓形或為橢圓，因此采用與關(guān)鍵變量相關(guān)的計算變量作為判別標準。根據(jù)相關(guān)計算結(jié)果，這6類體型中區(qū)別較大的變量有大腿寬厚比、大腿根圍膝圍比、大小腿長比及膝曲角，歸納總結(jié)出不同體型類別中這4個變量的范圍作為腿部分類的判別標準，見表6。

表6 6類腿部形態(tài)的辨別標準Tab.6 Classification criteria for 6 types of leg shape

2.4 驗 證

測量20個新樣本，以辨別標準劃分類別，劃分情況如表7所示。利用SPSS軟件對256個樣本進行判別分析，驗證分類結(jié)果的有效性。判別分析結(jié)果如表8所示。原始樣本數(shù)據(jù)正確分類226個，錯誤分類10個，正確率達到95.8%；待分類的20個新樣本正確分類17個，錯誤分類3個，正確率達到85.00%。說明該分類結(jié)果的有效性較高。

表7 新樣本的劃分情況Tab.7 Division of new samples

表8 判別分析結(jié)果Tab.8 Discriminant analysis result

3 結(jié) 論

本文選取了236名18～25歲的在校女大學(xué)生，采用三維測量、圖像測量、手工測量3種測量方式，獲取青年女性的人體數(shù)據(jù)，最終提取20個腿部變量為分析目標。通過SPSS軟件對樣本數(shù)據(jù)進行主成分分析，得到影響腿部形態(tài)的主要特征因子，然后用兩步聚類法對樣本數(shù)據(jù)進行聚類，得到3類腿部體型。對3類腿部體型相關(guān)數(shù)據(jù)進行形態(tài)特征分析，得到以下結(jié)論。

1)影響腿部體型特征的因子主要有水平圍度因子、長度因子、小腿圍度差因子、腿部曲度因子、腿部輪廓因子、大腿圍度差因子。

2)將青年女性人體腿部分為6類，包括圓體型(膝曲角為正)、圓體型(膝曲角為負)、稍扁體型(膝曲角為正)、稍扁體型(膝曲角為負)、扁體型(膝曲角為正)、扁體型(膝曲角為負)，并總結(jié)出4個變量大腿寬厚比、大腿根圍膝圍比、大小腿長比及膝曲角建立腿部形態(tài)分類規(guī)則，準確度較高。

3)新的分類方式基于X-O腿型分類法，進一步細化，為女性腿部分類提供了更多的選擇，也為個性化服裝定制提供了理論依據(jù)，滿足了三維服裝的造型設(shè)計需求。