基于神经网络技术的乘员体型识别系统

BPMS(Body Pressure Measurement System)系统是针对汽车安全气囊系统设计的辅助系统。本系统应用神经网络技术,通过对座椅压力传感器信号的分析处理,识别出车内乘员的体型特征,从而辅助控制车辆安全气囊的爆发。BPMS系统由试验台架设计、座椅压力采集、数据预处理、乘员体型识别系统等部分组成。试验结果表明,该系统可以有效地识别乘员体型特征,为准确控制安全气囊系统的工作提供保障。

基于Web的女子体型识别及应用

采用Web模式,建立女子体型识别和应用系统,目的在于生成符合人体尺寸的服装样板,以满足消费者的个性化需求。通过采集江浙地区青年女子体型数据,构建人体数据库;再根据生产服装企业的基本款式,建立基本的样板数据库;利用SVM对个体特征参数进行识别分类,形成个性的服装样板图。该系统通过J2EE架构的网络平台自制软件得以实现,企业应用效果良好。

基于体表角度的女子体型分类与识别

从人体形态差异角度细分人体体型,通过三维人体扫描获得500名年龄在18～25岁之间的女青年的正面和侧面二维图像,运用Matlab软件获得11个躯干体表特征点的坐标并计算得到能够反映体型差异的体表角度;通过偏相关性分析得出表征人体形态特征的4个体表角度,即肩斜角、胸突角、体侧角、臀突角;运用K-means聚类将人体体型分为4类。在此基础上,构建基于神经网络集成的体型识别模型,训练集识别精度达到95%。该方法可有效区分人体形态差异,适应服装量身定制生产的需求。

基于三维人体测量的人体体型细分识别的研究

使用非接触式三维人体测量系统对中国北方青年女性人体进行测量,测量数据包括肩宽、胸围、臀围等部位尺寸,这些尺寸作为特征值构成了人体体型特征向量。不均匀体型的比例愈来愈高,因此更进一步细化对人体体型的分类识别变得十分重要。考察了某些特征尺寸的概率分布,然后利用聚类分析将人体体型分为偏瘦、正常、偏胖3类,最后提出使用马氏距离的方法分析体型匀称问题。实验结果表明,所使用的方法可有效实现人体体型的细分识别。

基于中美女性体型比较的服装合体设计研究

选择年龄介于18-35岁之间的,400名中国女性,340名美国女性为受试者,通过三维人体扫描,获取21个关键体型指标,分析中、美年轻女性的体型差异及在服装合体设计上的表现;最后通过北卡罗来纳州立大学开发的服装用人体体型识别技术分析两国受试者的体型类别分布,结果表明中国女性的体型类别变异性小,美国女性的体型差异明显,变异性大。

基于身高体重的青年女性躯干形态分类及识别

为了快速便捷地识别青年女性躯干形态,获取了304名年龄在18~25周岁青年女性的躯干形态参数,包括身高、体重及围度相关参数,将女青年躯干形态分为3类(“O胖体”“H匀称体”“X瘦体”),并归纳出每类体型的判别规则;同时建立了基于身高、体重的BP神经网络预测模型,实现了胸围、腰围和臀围的尺寸预测。结果表明:依据3类青年女性躯干形态的分类规则,88%基于身高、体重预测的样本都被正确分类,证明本文中基于BP神经网络预测模型进行体型识别的方法可行,可为个性化样板的生成提供技术参考和理论依据。

基于SVM和KNR的体型分类算法

本文提出一种基于人体宽高比的体型分类算法。首先提取人体主躯干(肩宽、体长)数据,减小衣着、手臂对体型的影响,然后以主躯干的宽高比为特征,尝试用KNR(核非线性回归)实现体型分类,并与SVM(支持向量机)的性能相比较。实验结果表明,KNR总体取得了较好的分类效果。

基于二维照片的青年男性颈肩部形态分类与识别

为探究青年男性颈肩部形态分类并实现基于照片的自动识别,首先通过三维人体扫描仪获取180名男大学生颈肩部的点云数据,测量了22个与男性颈肩部形态相关的特征参数;然后根据变异系数分析选取前倾角、背入角、肩斜角、颈肩宽比、颈横矢径比作为聚类分析变量,对颈肩部形态进行分类并总结判别规则;最后结合人体二维照片提取体型分类所需参数,构建了颈肩部形态自动识别系统。结果显示:青年男性颈肩部形态可分为落肩圆颈体、前倾圆颈体、宽颈直体3类,构建的形态自动识别系统的判别准确率达到93.33%,说明本文方法可行且有效,可满足消费者个性化定制的需求。

基于AR技术的网络服装定制研究

阐述Augmented Reality(增强实现,简称AR)技术在网络服装定制系统中的应用,以问卷调研的形式进行市场需求调研,利用SPSS软件进行数据分析后得出该平台市场需求和用户期望,对网络服装定制的关键技术AR的应用和体型识别分别做了分析说明。文章表明,将时下新技术AR增强现实技术加入网络服装定制平台中,可以为消费者提供更好的线上体验,但鉴于现有市场的成熟度,仍需进一步完善和发展。