斜裙形态与人体腰臀部形态的关系

在纸样结构、面料等其它影响斜裙形态的因素一致的前提下,以12个体型各异的模特(腰围为(64±1)cm)为研究对象,分别对人体腰臀部位5个截面以及斜裙的着装形态进行测量、拍照并提取截面与裙摆曲线,然后将两者进行曲线叠加、外轮廓提取和叠加;通过均值统计分析、因子分析、相关关系分析发现,人体腰臀部的扁平率、厚度、腰臀部形态以及腰臀部的体背面形态是影响斜裙形态的主要因素.

基于三维数据的青年女性腰臀部形态分类分析

对176名18~25岁青年女性进行三维人体扫描,利用Polyworks软件采集测量三维模型腰臀形态相关的28项尺寸数据,应用SPSS数理统计软件进行数据分析,提取出影响腰臀形态的8个特征参数。通过分析三维模型中腰臀部的形态特征并结合已有文献中腰臀部分类方法,选取腰臀比和臀凸高比为分类指标对样本进行K-means聚类分析,得到9种腰臀部三维模型,为三维虚拟试衣等先进技术提供参考。

基于空间向量模长的青年女性腰腹臀部形态分类与判别

为实现女体三维曲面的分类与判别,提高裤装的合体性,提出一种基于空间向量模长表征腰腹臀部形态并进行体型分类的方法。获取323名18~25岁青年女性的三维点云数据,提取腰腹臀部10层横截面曲线,以臀围质心为原点重建点云坐标系,通过欧式距离计算130个特征点的空间向量模长,构建表征人体曲面形态的模长矩阵。引入拉普拉斯特征映射降维获取18个本征维度,采用K-means聚类,运用随机森林算法建立青年女性腰腹臀部形态的判别模型。结果表明,青年女性腰腹臀部可分为大众型、扁平型、腹凸型、臀凸型4类,分别占样本总数的58.82%、27.86%、8.36%和4.95%。分析获得4类体型对应的裤装样板差异,有效提高了裤装合体性,青年女性腰腹臀部形态判别准确率达96.92%。

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。

基于决策树算法的青年女性腰臀部识别

为提高青年女性腰臀部分类的准确性,为个性化定制提供依据,构建了一种基于决策树算法的青年女性腰臀部识别模型。采用聚类分析对收集到的153名18~25岁的青年女性腰臀部数据进行分类,提取5项反映腰臀部形态的典型指标,根据指标将腰臀部形态分为3类;再运用CART决策树算法将样本数据按70∶30的比例划分为训练集和测试集,并根据基尼系数选择最佳节点和最佳分支,构造分类树,研究青年女性腰臀部形态的分类规则,以可视化的形式来展现结果。结果表明:青年女性的臀部形态可分为3种,即凸臀体、正常体和凸腹体。决策树算法对腰臀部的分类识别效果良好,是一种切实有效的算法。