基于改进YOLOv5s的着装不规范检测算法研究

针对餐饮后厨工作人员着装不规范,在复杂背景下采用现有算法检测精度低且易出现误检、漏检等问题,提出一种基于YOLOv5s的着装规范检测改进算法YOLOv5s-ESW。首先,在主干网络引入新型多尺度注意力机制改进C3模块,增强网络的特征提取能力;其次,在颈部网络中采用空间和通道重建卷积模块(SCConv)替换原始网络中的卷积模块(Conv),减少模型参数冗余,同时提升模型的精度;最后,在预测部分引入WIoU损失函数更换CIoU损失函数,提高模型泛化能力,加快收敛速度。将改进算法应用到自建餐饮后厨工作人员着装数据集中进行实验,实验表明,改进后的模型检测平均精度提升了4.1%,参数量减少了11.4%。该模型在提高了检测精度的同时降低了网络复杂度,能够满足餐饮后厨工作人员的着装规范检测的要求。

基于多视角图像三维重建与点云配准的着装间隙量表征

为了分析人体不同姿势下的着装间隙量,采用多视角图像三维重建方法获取净体和着装的三维点云,利用OpenPose人体姿态估计模型确定关节点并逆投影到三维空间,获得净体和着装两层点云粗配准的匹配点坐标;基于着装未覆盖的人体点云,通过最近点迭代(Iterative closest point,ICP)算法实现两层点云的精配准,并对配准模型进行验证,建立三维着装模型。根据三维着装模型计算两层点云间的最近邻域距离表征着装间隙量。结果显示:经两步配准后,躯干着装未覆盖处两层点云距离平均值和均方根误差分别为2.859 mm和3.260 mm,胳膊区域两层点云距离最大的平均值和均方根误差分别为4.018 mm和4.735 mm,配准结果精准度较好。该方法可以准确地获取不同姿势的着装间隙量的大小与分布,为分析着装间隙量与运动的关系、评价舒适性、建立热传递模型及评估虚拟试衣效果提供关键技术手段。

基于PPYOLO的工人着装规范检测

针对传统人工检测工人作业时是否规范着装效率低的问题,提出了改进的深度学习检测算法PPYOLO-CA.首先,采用深度可分离卷积将backbone前部分卷积进行替换,深度可分离卷积能够减少参数并且增加网络的非线性度,进而增强其提取特征的能力;其次,通过在backbone的特征提取段添加移动网络注意力机制(CoordAtt)模块,提高图片空间信息提取能力,从而为目标检测提供丰富的特征信息;最后,将空间金字塔池化(SPP)模块改进为SPPF(SPP-Fast)模块,在不影响精度的情况下能有效降低模型的参数量并提高模型的运行速度.为验证该算法,在工人着装数据集上进行仿真实验,实验结果表明:在不同场景下改进模型相比于原始模型的识别效果更好,其中,改进模型平均精度均值(mAP)比原始模型高出1.8%,且在模型参数量上减少了0.14MB.

女性理想人体分析及着装审美的研究

着装审美是根据人体美学理论[1]获得解析女性理想人体的特质以及与之匹配的着装形式美。服装审美艺术的影响主因就是人体,虽然人体结构相似,但是人体体型及形体比例各异。通过多维度分析[2]在不同社会文化背景下演变的女性人体,即为理想人体。在着装形式美的基础上,探讨女性理想人体与着装选择之间的内在关联。以及服装设计如何呼应女性的理想人体。通过收集和分析女性理性人体的关键影响因素,有助于深化我们对女性身体与服饰关系的理解,为服装行业提供建议,以优化产品设计、市场推广和品牌形象。

从吉祥文字纹看汉代着装风尚

近百年来全国考古发掘出土了许多装饰吉祥文字的汉朝服装与制衣面料。通过出土文物的对比考证发现,装饰吉祥文字的服饰品至迟在西汉初期就已出现,至西汉中晚期和东汉愈加盛行。通过分析、归纳汉代服饰品中吉祥文字的文化内涵,挖掘吉祥文字图案装饰特征及其所蕴含的祈祥观念,进而发现汉朝人比较喜爱用吉祥文字装饰服饰,并且以大富大贵、安乐如意、健康长寿、庇佑亲人、国泰民安几类吉祥文字为主。

当代中国城市年轻女性着装裸露度场合探究

在中国当代社会下,年轻女性的着装自由度和包容度非常高。在信息交流便捷的今天,女性着装不会被各种言论束缚,但会有场合的划分,如工作场合和私人的场合等,会对应不同的着装裸露度。本文对当代年轻女性服饰的裸露进行场合上的分类:职场女性服装、日常女性服装、装饰性女性服装、运动型女性服装等,并基于医学上界定皮肤烧伤面积的“九法则”原理,进行不同功能的女性服装裸露面积和程度分析。

基于姿态嵌入机制和多尺度注意力的单张着装图像视频合成

基于单张着装图像生成视频在虚拟试衣和三维重建等领域有重要应用,但现有方法存在生成帧之间动作不连贯、生成视频质量差、人物服装细节缺失等问题,为此提出一种基于姿态嵌入机制以及多尺度注意链接的生成对抗网络模型。首先采用位置嵌入方法,对相邻帧间动作建模,然后针对每个分辨率尺度的特征添加注意力链接,同时在训练过程中输入人物解析图像,最后在服装视频合成数据集的测试集合上进行结果验证。结果表明:本文模型比当前单张着装图像生成视频主流模型在定性结果与定量结果指标上均有所提高,其中峰值信噪比和运动矢量分别为20.89和0.1084,说明本文模型能够有效提高视频生成的质量与帧间动作的稳定性,为着装人物视频合成提供了新模型。

上班族通勤行为与服饰着装要素探析——以厦门地区为例

新冠疫情给人们的生活方式和出行带来了深刻的影响,安全、健康及舒适已成为人们日常出行着装考虑的重要因子。探究疫情影响下的上班族通勤行为和着装因子具有重要现实意义。基于此,文章以厦门地区上班族通勤行为作为研究对象,通过线上线下结合的形式获取上班族在通勤路径中的行为,得到上班族通勤路径的典型行为画像。并以4F功能服饰设计模型为基础,进而探析上班族通勤服饰着装要素与设计要点,为上班族通勤着装服饰的设计做好铺垫。

人体着装湿感觉的研究

皮肤湿感觉是影响服装穿着舒适性的重要因子,为深入理解人体着装湿感觉,改善服装穿着舒适性,从人体着装角度,阐述湿感觉的产生机制,回顾总结湿感觉测量试验中从静态到动态、从织物试验到人体穿着试验的演变,将影响湿感觉的因素归纳为外界刺激因素、织物因素和其他影响因素。最后指出,未来可着力于开发接触分离试验探究非紧身着装状态下人体湿度感知状况,结合其他学科优化湿感觉评价方式,针对特定人群开展湿度感知综合评价,为优化服装结构以及提高服装穿着舒适性提供理论依据。

青年女性腰腹臀部着装间隙量空间形态分布研究

为了揭示人体腰腹臀部着装间隙量的空间形态分布,提升裤装合体性,提出一种基于人衣间隙量分布数学模型生成裤装样板的方法。首先,使用三维扫描仪获取着装前后两种状态下的人台扫描数据,以臀围质心为原点重建坐标系并叠加人台和服装模型。截取腰腹臀部10层特征横截面并每隔5°提取特征点,计算各截面人衣间隙量,获取了着装间隙量空间形态分布。运用高斯分布函数建立间隙量数学模型,通过构造裤装模型、曲面展平,实现了基于人衣间隙量分布到裤装样板的生成。结果表明,各特征截面间隙量拟合曲线R2值都在0.95以上,建立的数学模型可靠并有效,实物验证表明根据间隙量生成的裤装样板更符合人体腰腹臀部纵向曲面形态的变化。

基于TPO原则下的关于男性对女性着装裸露偏好分析

当代女性着装裸露度呈现多样化、包容化的高裸露度,但是着装裸露度在不同场合下有着明显的差异,在工作场合裸露度相比非工作场合较低。在男性视角下,对于女性着装裸露度在不同时间、不同地点、不同场合等维度有不同的偏好标准。本文基于医学上界定皮肤烧伤面积的“九法则”原理结合TPO理论,通过Eyetech Digital Systems软件对男性进行视觉测试,得出男性观看女性身体的视线规律,分析不同女性着装裸露度对于男性测试者的接受程度。

基于改进YOLOv5的电工着装检测方法研究

文章针对水电厂中工作人员着装不规范问题,提出一种基于改进YOLOv5的着装检测方法,即采用目标检测技术对工作人员是否佩戴安全帽以及工作服穿着规范与否进行自动检测。针对安全帽这类小目标检测问题,在YOLOv5网络模型的基础上嵌入轻量级ECAnet注意力机制模块,以减少无用信息通道的计算量,在保证YOLOv5检测速度优势的同时提高了小目标特征提取能力。结果表明,改进后模型的准确率、召回率、mAP@0.5分别提升了4.3%、2.1%、1.4%。

漫谈着装的个性化

在时尚成为都市文化的一部分的今天,随着物资供应的丰富、信息传递的畅达和人的心态的开放,服饰穿搭越来越成为一种表达自我、实现自我的外在方式,穿着打扮“有个性”已成为社会的一道风景线。与此同时,正确体现着装个性化的问题也越来越受到重视。

他人和自身着装风格对消费行为的影响:基于调节定向理论的阐释

基于调节定向理论搭建了着装风格(正式vs.休闲)影响消费者心理和行为的模型框架。在观察者视角下,他人正式着装(vs.休闲着装)时,消费者通过关注收益、积极情绪体验、抱负目标状态表征这三个动机特征维度表现出促进型反应;通过关注威胁、消极情绪体验、警戒行为策略这三个动机特征维度表现出预防型反应。在穿着者视角下,消费者自身正式着装(vs.休闲着装)时,通过理想自我导向、抱负目标状态表征及积极情绪体验这三个动机特征维度表现出促进型反应;通过责任自我导向、道德需求、消极结果关注这三个动机特征维度表现出预防型反应。上述过程中自我建构、卷入度,自我监控及环境规范通过影响调节定向的特征状态发挥调节作用。未来研究应继续关注特质性和情境性调节定向对消费者着装反应的交互影响,用调节定向理论阐释其他着装类型对消费行为的影响,着装风格导致消费者促进定向还是预防定向的调节变量,以及着装风格影响消费者行为的其他后效。

运动着装人体热生理仿真系统设计

有效量化运动中着装人体的热生理状态,并提前预测着装的热舒适性,对于健康监测、分析和预防事故具有重要意义.本文从“运动”特征出发,定义服装通风因子量化通风效应,再将服装通风效应与着装人体的热生理模型结合,构建考虑服装通风效应的运动着装人体热生理数学模型.本文以该模型为基础,综合考虑行业应用的便捷性和复杂数学模型的多个参数的可计算性,提出着装人体热生理仿真系统框架,设计并实现了运动着装人体的热生理仿真系统,预测运动过程中人体着装时的不同生理状态,规避可能出现温度失衡的风险.

宋代女子蹴鞠着装探析

针对宋代女子蹴鞠着装的问题,文章结合历史文献、出土文物以及绘画等多重证据相互论证,对宋代女子在蹴鞠时穿着的服饰进行分类,并就其造型特征、功用表达及形成原因进行阐释分析,为还原宋代蹴鞠着装面貌提供依据。研究表明:①宋代女子蹴鞠时的着装主要分为表演性和日常娱乐性两种,其中专业化、统一化的服饰主要用于宫廷蹴鞠队舞的表演,娱乐性蹴鞠着装的搭配则更加多元化;②日常娱乐性蹴鞠的着装主要有[褙子+“裤裙”]以及[衫子+女裤]的搭配方式且适用于各阶层女性,平民女子和宫人在蹴鞠时出现了袍绔的穿着方式,虽然不同阶层的女子在蹴鞠时穿着的上衣不同,但下裳均可着裤;③.日常娱乐性蹴鞠的着装在形制表达和搭配方式上都带有明显的功用性质。女伎蹴鞠的职业化使其服饰形象在各阶层女性中流行,下层妇女服饰实用性强的特点被贵族女性大量借鉴所呈现出的文化逆袭现象,体现出一种服饰文化的多元社会属性。

面向虚拟现实的着装人体个性化头面部纹理生成技术

为提升用户在虚拟现实中的体验感,让相同着装人体可以拥有定制的用户面容,提出通过输入单张用户正面人脸图像,利用DECA神经网络生成三维头部模型和初始纹理。在此基础上,对初始纹理进行光照校正,并通过掩膜提取面部主要区域和边缘肤色,然后对头颈部纹理进行肤色转换和面部纹理2次修复,得到一个完整的头面部纹理,接着将其作为风格图像,将着装人体的原始身体纹理作为内容图像,通过PAMA神经网络进行风格迁移,得到肤色转换后的身体纹理。将经过处理的头面部纹理与身体纹理重新映射在三维模型上,得到具有用户特征的定制化着装人体。实验结果表明,采用该方法修复的头面部纹理能最大限度保留用户面部信息,生成时间仅需1.4 s左右,肤色转换后的面部与身体纹理过渡自然,映射得到的用户着装人体真实度高,可用于各种虚拟现实的应用场景。

基于深度学习的冶炼工人安全着装监测系统

为解决铜冶炼作业过程中工人安全着装穿戴不规范导致的安全生产问题,设计一种基于深度学习的冶炼工人安全着装监测系统。首先,在充分对比实验的基础上,选择准确性高且满足实时性要求的YOLOv5l作为工人安全着装目标检测模型,实验结果表明mAP@0.5、F_(1)-Score分别为84.3%、90.8%,平均单帧检测时间为13 ms;其次,设计基于时空关系分析的工人安全着装推理算法,依据监测结果进行时空关系分析,实现对工人安全着装穿戴不规范现象的智能分析报警;最后,将YOLOv5l部署到DeepStream框架中结合推理算法构建安全着装监测系统,实现对违规现象声光报警、录制违规视频、上传移动端显示报警详情。经生产现场验证,系统误检率为4.8%、漏检率为2.7%,可有效提高铜冶炼安全监管水平。

基于人体关键点的着装规范检测

为了对变电站现场人员工作服着装规范性进行有效识别,提出了一种基于人体关键点的着装规范检测算法。使用YOLOv5与SimplePose来提取人体关键点,并在HSV色彩空间中得到肤色分割信息,对人体四肢进行间隔采样,并联合肤色信息进行判断,最终对手部区域进行定位并消除因手部区域带来的误检。实验结果表明该方法具有较高精度,在自建数据集上达到94%的准确率,F1值为0.94,相较于现有方法,其不依赖数据集并且可进行更加细粒度的着装规范检测。

驳头设计对翻驳领着装风格的影响

翻驳领是服装款式中被经常应用的一款结构设计复杂的领型,在西装上应用广泛,是西装结构设计中的重要部件。影响翻驳领着装风格的因素有很多,文章重点选取驳头这一重要组成部分进行设计分析,然后对比得出实验结果,以帮助人们更加直观地认识驳头设计对翻驳领着装风格的影响,准确地把握流行趋势。