基于二維照片的青年男性頸肩部形態(tài)分類與識別

張 健， 徐凱憶， 趙崧靈， 顧冰菲,2,3

(1. 浙江理工大學(xué) 服裝學(xué)院， 浙江 杭州 310018； 2. 浙江省服裝工程技術(shù)研究中心， 浙江 杭州 310018；3. 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)

了解消費者的體型特征并開發(fā)適合不同人群體型的樣板是提高服裝合體性的關(guān)鍵。現(xiàn)代男裝在積極地追求時尚潮流，服裝整體感覺向著與身體完全合身的角度轉(zhuǎn)變，追求像女性服裝一樣突出人體線條和輪廓，且男裝的搭配及穿戴感的重要性明顯提高，而樣板制作必須考慮到人體的形態(tài)，即體型[1]。研究如何更細(xì)致地對男性體型進(jìn)行準(zhǔn)確分類逐漸成為當(dāng)下服裝領(lǐng)域研究的熱點。另外，從服裝結(jié)構(gòu)的角度來講，衣領(lǐng)作為上裝的重要構(gòu)成部分[2]，對服裝的款式風(fēng)格影響很大，且衣領(lǐng)結(jié)構(gòu)與人體頸肩部著裝舒適性也有很大關(guān)聯(lián)。合體的衣領(lǐng)結(jié)構(gòu)離不開對人體頸肩部形態(tài)的準(zhǔn)確分析，因此，在人體體型多樣化的背景下，對人體頸肩部形態(tài)進(jìn)行詳細(xì)分類，是制作個性化衣領(lǐng)結(jié)構(gòu)的前提。

目前，人體體型的分類方法已經(jīng)較為完善，一種分類方法是通過測量人體的基本尺寸數(shù)據(jù)進(jìn)行粗略劃分，比如身高、體重、胸圍、腰圍、臀圍等。Tsunawake等[3]首先采用因子分析法對成年運動員的體型測量值進(jìn)行分析，提取出體脂、體重、腿長高比和腿長等4個特征變量，并根據(jù)這些變量對運動員的體型進(jìn)行聚類分析，最終將運動員的體型分為3類。然而，這種分類方法忽略了身體的形態(tài)比例和特征，如胸腰臀圍只能粗略地描繪原始的人體輪廓，無法準(zhǔn)確表征人體形態(tài)[4]?？赏ㄟ^加入派生變量，如高度比、寬度比、厚度比和寬厚比等變量，更好地描述人體的整體比例以及人體各部位截面的形態(tài)差異。季開宸[5]研究表明具有相同寬厚比的人體部位也具有相同的形態(tài)特征，這一結(jié)果證實了用人體各部位的寬厚比來進(jìn)行分類的有效性。除各部位比值外，也有學(xué)者引入人體角度作為分類依據(jù)。王婷等[6]為了自動識別青年女性的頸肩部形態(tài)，從15個頸肩部相關(guān)尺寸變量中選取肩斜角、背入角等特征指標(biāo)對青年女體進(jìn)行分類并進(jìn)行后續(xù)研究。王珊珊等[7]為研究江浙地區(qū)青年男性在職人員的頸部形態(tài)，根據(jù)人體頸部前傾角、后傾角和二者的比值將人體頸部的曲度形態(tài)分為3類，并建立數(shù)學(xué)模型，據(jù)此來調(diào)整衣領(lǐng)結(jié)構(gòu)。還有一些學(xué)者結(jié)合圖形學(xué)、計算機(jī)學(xué)以及統(tǒng)計學(xué)等知識引入其他分類指標(biāo)。金娟鳳等[8]引入了截面的曲線形態(tài)指標(biāo)，測量計算了青年男性肩部截面曲線的曲率以及肩厚與肩寬的比值作為分類依據(jù)，最終將青年男性肩部形態(tài)劃分為4類。上述方法在對人體進(jìn)行分類時未能考慮到性別的影響，在研究男性體型特征時需加入能夠表征男性形態(tài)的特征參數(shù)，以確保能夠更好地表示男性身體的輪廓形態(tài)以及身體比例。

本文研究將從男性頸肩部特征形態(tài)出發(fā)，基于三維人體點云數(shù)據(jù)測量頸肩部相關(guān)形態(tài)參數(shù)，探索青年男性頸肩部形態(tài)分類規(guī)則及基于照片的自動判別方法，為青年男性體型自動識別及服裝個性化定制提供理論依據(jù)及技術(shù)支撐。

1 人體測量實驗

1.1 測量對象及方法

根據(jù)GB/T 16160—2008《服裝用人體測量的部位與方法》，本文以年齡在18～25周歲的180名在校男大學(xué)生為研究對象，身高范圍在162～180 cm，體重范圍在51～80 kg，使用[TC]2NX-16三維人體掃描儀對被試者進(jìn)行三維測量。依據(jù)GB/T 23698—2009《三維掃描人體測量方法的一般要求》，室內(nèi)環(huán)境相對濕度為(60±10)%，溫度為(27±3) ℃。被試者需穿著白色短褲，除去身體所有額外配飾，依照指定姿勢站立，目視前方，呼吸平穩(wěn)[9]。

1.2 測量項目

通過分析比較男性與女性頸肩部形態(tài)特征，本文研究根據(jù)頸部(NL)、肩部(SL)和腋下(AL)3個截面層的15個特征點，如側(cè)頸點(PSN)、左肩點(PLS)、下前頸點(PDFN)、背凸點(PB)等，共確定了22個與人體頸肩部形態(tài)有關(guān)的參數(shù)，主要包括身高、寬度值、厚度值以及橫矢徑比等，測量示意圖和具體定義分別如圖1和表1所示。

圖1 頸肩部形態(tài)參數(shù)測量示意圖Fig.1 Schematic diagram of measurement of morphological parameters of neck-shoulder

表1 頸肩部形態(tài)參數(shù)具體定義Tab.1 Specific definition of morphological parameters of neck-shoulder

其中各部位橫矢徑比是各部位截面寬度與厚度的比值，可反映人體部位形態(tài)的扁平狀況[10]；前頸角和前傾角表示男性頸部前傾狀態(tài)，這是由于男性頸部前傾狀態(tài)比女性明顯，且男性上身整體形狀呈倒梯形；肩腋角及肩腋寬比等參數(shù)可更好地表示肩部至腋下部整體形態(tài)；肩橫矢徑比和肩弓角2個形態(tài)參數(shù)可更加直觀地表示肩部的截面形態(tài)。

本文研究采用逆向工程軟件Imageware對三維點云數(shù)據(jù)進(jìn)行二次測量，以獲取各項形態(tài)參數(shù)值。首先對獲取到的點云數(shù)據(jù)進(jìn)行去噪、補(bǔ)洞、光順等處理，使得獲取的點云數(shù)據(jù)更加準(zhǔn)確[11]，截取出頸部、肩部、腋下部的平行點云截面，測量出所需的角度值以及各部位橫截面的寬度值和厚度值。

2 頸肩部形態(tài)分析

2.1 聚類參數(shù)確定

本文研究首先對180名實驗對象的形態(tài)參數(shù)值進(jìn)行異常值篩選、排除和整理[12]，確定出有效樣本174個，并對各測量變量進(jìn)行正態(tài)性檢驗，以保證數(shù)據(jù)能夠更好地適于統(tǒng)計分析。然后進(jìn)行如表2所示總體描述統(tǒng)計，其中變量的變異系數(shù)指標(biāo)用來衡量其自身離散程度的大小。變異系數(shù)為標(biāo)準(zhǔn)差與平均值之比值，數(shù)值越大，說明變量內(nèi)部的差異和離散程度越大[13]。變異系數(shù)最大的變量為前傾角(23.34%)，其次是背入角(20.57%)。根據(jù)變異系數(shù)的數(shù)值以及各變量對人體形態(tài)的特征描述，選取變異系數(shù)前五的變量作為聚類分析的分類指標(biāo)，分別為：前傾角(AFL)、背入角(ADE)、肩斜角(AST)、頸肩寬比(RWNS)、頸橫矢徑比(RN)。

表2 相關(guān)參數(shù)描述統(tǒng)計分析Tab.2 Descriptive statistical analysis of related parameters

2.2 聚類數(shù)目確定

本文研究采用K-Means聚類法，在聚類分析前可采用手肘法和輪廓系數(shù)法來確定聚類的最佳數(shù)目。

手肘法的核心指數(shù)是SSE(誤差平方和)，其計算邏輯是：在K-Means聚類時，每個分類類別的內(nèi)部聚集度會隨著K值的增大而增大，同時總體樣本數(shù)據(jù)的分類也會更加細(xì)致，最終SSE也會隨之減小[14]。具體公式如下：

式中：Ci為第i個類；p為Ci中的樣本i的數(shù)值；mi為Ci中所有樣本的均值。

由于各類別的聚合程度隨聚類數(shù)目的增大而增大，因此總體樣本的SSE在聚類數(shù)目K未達(dá)到真實值時會下降較快，而當(dāng)K值達(dá)到真實值并持續(xù)增加時，SSE的下降幅度會急劇變小并最終趨于平緩，而這個下降幅度的轉(zhuǎn)折點就是真實聚類數(shù)目所在的位置。

輪廓系數(shù)，是評價聚類效果的另一種方式[15]，可用于基于相同原始數(shù)據(jù)評估不同算法或算法的不同操作模式對聚類結(jié)果的影響。輪廓系數(shù)的數(shù)值介于[-1,1]，越趨近于1代表聚類效果越好。具體公式如下：

式中：a(i)為樣本i到同一類別內(nèi)部其他樣本的距離的平均值；b(i)為樣本i與最近類別中所有樣本的距離的平均值。

采用Python程序?qū)崿F(xiàn)手肘法和輪廓系數(shù)法對樣本數(shù)據(jù)的分析，結(jié)果如圖2所示?？煽吹絊SE的輸出中在K=3時，整個折線處于“拐點”，同樣在輪廓系數(shù)輸出圖中，當(dāng)K=3時輪廓系數(shù)值最大、最趨近于1。結(jié)合2種方法，選取最佳聚類數(shù)目為3類。

圖2 最佳聚類數(shù)目確定方法Fig.2 Method for determining optimal number of clusters. (a) Elbow method; (b) Silhouette coefficient

2.3 聚類分析

將聚類數(shù)目設(shè)置為3進(jìn)行聚類分析，聚類結(jié)果見表3。結(jié)果顯示174個青年男性頸肩部形態(tài)可分為3類，其中第1類體型樣本數(shù)為54，占比31.03%；第2類體型包含樣本數(shù)為63，占比36.21%；第3類體型樣本數(shù)為57，占比32.76%。5個變量的聚類顯著性均小于0.05，說明此聚類方法是可行的。

表3 聚類分析結(jié)果Tab.3 Cluster analysis results

根據(jù)聚類結(jié)果確定出各個類別的代表體型，將3類代表體型的頸肩部正面與側(cè)面截面形態(tài)進(jìn)行對比，分析其形態(tài)差異，如圖3所示。結(jié)果顯示：第1類體型的肩斜角明顯大于另外2類，頸橫失徑比較小，命名為落肩圓頸體；第2類體型背入角與前傾角均較大，頸橫矢徑比小，命名為前傾圓頸體；第3類體型頸橫矢徑比較大，背入角與前傾角都較小，命名為寬頸直體。

圖3 頸肩部3類不同形態(tài)對比Fig.3 Comparison of 3 different types of neck-shoulder.(a) Side morphology; (b) Front morphology

為了更方便地利用5個形態(tài)參數(shù)區(qū)分頸肩部形態(tài)，本文研究采用Fisher判別法建立頸肩部形態(tài)判別規(guī)則與判別公式，見下式和表4。其中，F(xiàn)1、F2、F3分別為各類體型的Fisher判別得分。

F1=3.865AST+2.528ADE+2.630AFL+66.476RN+108.103RWNS-165.693
F2=3.566AST+2.449ADE+3.148AFL+66.485RN+111.684RWNS-176.684
F3=3.043AST+2.241ADE+2.325AFL+65.442RN+106.113RWNS-136.843

表4 判別規(guī)則Tab.4 Discriminant rule

3 頸肩部形態(tài)自動識別

3.1 人體輪廓提取

本文研究使用高像素相機(jī)(索尼A6000，分辨率4 000像素×6 000像素，距離1.8 m)對人體照片進(jìn)行采集，需保持人體照片清晰度。拍照姿勢參考三維掃描姿勢，被試者需雙手雙腳自然分開，目視前方，如圖4(a)所示。

在獲得人體正側(cè)面照片后，對照片進(jìn)行裁剪、調(diào)整圖片亮度及對比度等處理，使得照片中僅出現(xiàn)人體和黑色背景。然后對照片進(jìn)行最佳閾值分割以獲得二值圖像，并進(jìn)行開運算和填充操作，使得人體輪廓盡量光滑平緩，如圖4(b)所示。最后求取二值圖像矩陣的目標(biāo)邊界得到人體輪廓圖，如圖4(c)所示。

圖4 圖像采集和輪廓提取Fig.4 Image acquisition and contour extraction. (a) Photo pose; (b) Image binary processing; (c) Image contour extraction

3.2 形態(tài)參數(shù)提取

根據(jù)判別規(guī)則，形態(tài)識別所需人體參數(shù)包括前傾角、頸橫矢徑比、肩斜角等，其中涉及的人體特征點為肩端點、側(cè)頸點、前后頸點、背凸點等。各特征點的提取以圖形學(xué)原理為參考，首先根據(jù)各特征部位高度與人體身高的比例確定出大致高度范圍，然后以各特征點的定義和形態(tài)特征標(biāo)記出特征點[16]。以肩端點為例，根據(jù)前期點云數(shù)據(jù)測量得到肩端點所在高度為人體身高的77.1%～80.8%，肩端點的定義為肩胛骨肩峰上緣最向外突出的點。因此可找出肩端點高度范圍內(nèi)曲率最大的點確定出肩端點所在位置。其余各特征點坐標(biāo)值的提取方法以此類推，各特征點的坐標(biāo)點標(biāo)注如圖5所示。其中x值為橫向像素，y值是縱向像素，各提取參數(shù)的具體計算方法見表5。

圖5 頸肩部坐標(biāo)點標(biāo)注Fig.5 Coordinate point marking of neck-shoulder

表5 參數(shù)計算公式Tab.5 Parameter calculation formula

3.3 形態(tài)識別誤差分析

以30位青年男性的正側(cè)照片進(jìn)行頸肩部形態(tài)識別和誤差分析，結(jié)合照片提取值和判別規(guī)則進(jìn)行判別，識別結(jié)果如圖6所示。結(jié)果顯示有2個樣本識別錯誤，準(zhǔn)確率達(dá)93.33%，相比于已有文獻(xiàn)[6]所構(gòu)建的青年女體頸肩部形態(tài)識別系統(tǒng)90%的準(zhǔn)確率，本文研究的識別準(zhǔn)確率顯然更加優(yōu)異。這也證明了本文研究所構(gòu)建的頸肩部形態(tài)識別系統(tǒng)的可行性。

圖6 頸肩部形態(tài)自動識別結(jié)果Fig.6 Automatic recognition result of neck and shoulder shape

識別結(jié)果的準(zhǔn)確率直接受到照片提取的形態(tài)參數(shù)值的影響，因此將30個樣本的點云測量值與照片提取值進(jìn)行誤差分析，見表6。結(jié)果顯示，3個角度參數(shù)的誤差范圍均在[-2°,2°]之間，2個比值參數(shù)的誤差范圍在[-0.14,0.08]之間，配對樣本T檢驗的顯著性均大于0.05，說明照片提取值與三維測量值之間沒有顯著差異，保持了較高的一致性，進(jìn)一步驗證了基于二維照片進(jìn)行頸肩部形態(tài)識別方法的可行性及準(zhǔn)確性。

表6 誤差分析表Tab.6 Error analysis table

4 結(jié) 論

本文研究通過三維人體掃描儀獲取了180名在校男大學(xué)生頸肩部的三維點云數(shù)據(jù)，測量得到了表征青年男性頸肩部形態(tài)的22個參數(shù)，根據(jù)變異系數(shù)選取了前傾角、背入角、肩斜角、頸肩寬比、頸橫矢徑比5個特征參數(shù)進(jìn)行聚類分析，將青年男性頸肩部形態(tài)分為落肩圓頸體、前傾圓頸體、寬頸直體3類?；谌梭w二維照片提取了體型分類所需要的5個特征參數(shù)，構(gòu)建了基于二維圖像的青年男性頸肩部自動識別系統(tǒng)。最終選取30個樣本數(shù)據(jù)，將對應(yīng)的三維點云測量值與程序提取值進(jìn)行判別驗證。結(jié)果表明，構(gòu)建的形態(tài)自動識別系統(tǒng)的判別準(zhǔn)確率達(dá)到93.33%，3個角度參數(shù)的誤差范圍均在[-2°,2°]之間，2個比值參數(shù)的誤差范圍在[-0.14,0.08]之間，證明了本文研究方法的可行性和準(zhǔn)確度，可為服裝行業(yè)的個性化和智能化快速制板提供體型參考。

本文研究仍然存在以下不足之處：1)僅針對于青年男性頸肩部進(jìn)行體型分類以及形態(tài)識別系統(tǒng)的構(gòu)建，后期研究將對不同年齡段及不同人體部位進(jìn)行深入研究。2)所拍攝的人體圖像對拍攝背景以及人體著裝有一定要求，后期將探究如何實現(xiàn)復(fù)雜背景及著裝提取人體輪廓及尺寸。

FZXB