基于服裝號型的參數化人體模型控制要素分析

雷啟然， 劉琴， 尚笑梅

( 蘇州大學 紡織與服裝工程學院，江蘇 蘇州 215021)

近年來，隨著網絡購物和計算機視覺技術的高速發展，關于虛擬試衣系統的研究越來越多。實現虛擬試衣系統所需的關鍵技術有很多，相關數據庫包括體型、服裝、動作捕捉、背景場景等。對于體型數據庫而言，需要人體模型和服裝號型調整等相關模塊[1]，其中針對建立適用于虛擬試衣的服裝人體模型，目前有很多相關研究。

服裝人體三維模型目前包括基于軟件進行的人體建模、基于三維掃描技術的人體建模、基于圖像的三維人體建模等。基于軟件進行人體建模對軟件的依賴性大，僅適用于小范圍內的人體建模；基于三維掃描技術的人體建模方法較多，其中包括線框建模、實體建模、曲面建模等；基于圖像的三維人體建模需要進行二維圖像與三維圖像之間的轉換，難度較大，但有可能發展為一種非常便捷的技術[2-3]。

根據人體解剖學和人體測量學原理,人體的體型體貌可以通過體表特征點、各特征點的距離關系及人體關鍵的圍度、高度、寬度等參數進行描述。張宏銘[4]分析了圍度方面(頸圍、頸根圍、胸圍、腰圍、腹圍、臀圍、上臂根圍、上臂最大圍、小腿最小圍、足圍等)、長度方面(身高、上肢長、全臂長、上臂長、前臂長、小腿長等)、寬度方面(肩寬、兩臂功能展開寬、大腿寬、小腿寬等)特征參數，并且將其分為輸入參數、整體定位驅動、局部造型驅動、特征點定位驅動4個層次。崔樹芹[5]實現了通過用戶輸入自己的特征尺寸參數得到自身人體模型的技術。

目前的研究大多針對參數化建模過程進行討論，對于如何選擇模型數值以及如何增加模型適用性的研究較少。文中結合GB/T 1335.1—2008，從人體數據庫中提取了滿足170/88A號型的129位男性的13項樣本數據，從參數化建模的角度分析了人體建模應選擇的特征參數，并采用SPSS統計軟件對這些樣本進行相關分析和回歸分析，建立回歸方程，以達到采用某幾個特定參數推斷所有控制要素尺寸的目的。文中結合號型中間體、基礎分析和層次分析的方法，對樣本數據的控制要素進行分析，以便找到170/88A號型內標準人體內模的控制要素尺寸。

1 控制要素選取

建立人體模型首先要選取控制要素。控制要素應體現人體的體型特征，同時為了便于建模，控制要素不應太多。因此控制要素的選取條件是：采用盡可能少的控制要素體現盡可能多的人體體型特征。

GB/T 1335.1—2008中以人體的胸圍和腰圍差來劃分人體類型，并分別列出了各類體型的身高、頸椎點高、坐姿頸椎點高、全臂長、腰圍高、胸圍、頸圍、總肩寬、腰圍、臀圍的分檔數值。大多數要素的數據對于建立人體模型而言是必要的，但多數人體模型都采用站立體態，因此坐姿頸椎點高不適用；同時對于虛擬試衣而言，全臂長只影響服裝袖長1個控制尺寸，對于整體試衣效果影響不大，故在此也不選用。

描述人體特征通常從高度和圍度兩個方面入手。在男子號型國家標準中，身高的尺寸數據不足以描述整個人體，還需添加關于肩部和臀部高度的描述。在建立人體模型的過程中，將人體作為一個完全對稱的幾何體，將左肩高代替肩部高度；臀部是上半身和雙腿的分界，但真正的分界點在會陰點，所以用內胯高描述臀部高度；圍度方面，在男子號型國家標準的基礎上，還應增添胸寬和臂根圍兩個數據來描述軀干和手臂的圍度。

綜上所述，文中選取身高、頸椎高、左肩高、腰圍高、內胯高、頸圍、胸圍、胸寬、總肩寬、臂根圍、腰圍、臀圍、體質量13個要素的數據作為人體模型的控制要素尺寸。

2 人體數據獲取

2.1 人體數據庫

文中所采用的實驗數據均來自人體數據庫。該人體數據庫數據選用直接接觸的測量方法，研究對象為江蘇地區在校大學生，年齡范圍為18～25 歲。數據收集工作從2008年就已開始，測量時間在每年9～10月。為保證數據的準確度，全部測量在實驗室中進行，平均室溫24±3 ℃，相對濕度50%，測量設備包括身高體質量測量儀、軟卷尺等。測量人員需要經過測量培訓，每個數據需要重復測量3次。要求男性被測者上半身裸露，下半身穿測量專用緊身衣，光腳站立，自然目視前方，呼吸平緩，不要有多余的動作。實驗得出的人體數據用專用軟件錄入人體數據庫，數據入庫前經過準確性驗證，確保每個數據準確、可用。

2.2 人體數據篩選

文中以GB/T 1335.1—2008為依據，篩選人體數據庫中滿足170/88A號型的男青年身體數據。根據170/88A號型標準，被測者身高為168～172 cm，胸圍為86～89 cm，腰圍為72～76 cm。數據包含每位被測者的體質量值。共篩選出129個符合標準的樣本，選取13個控制要素數值進行分析。

3 人體數據分析

3.1 數據預處理

3.1.1樣本量計算 在簡單隨機抽樣條件下，人體各要素的抽樣指標近似服從于正態分布N(μ，σ2)，取置信水平為5%，樣本量的計算公式為[6]

(1)

A的取值范圍如下：1%～2%適用于重大科研項目；3%～4%適用于一般科研項目；5%適用于大批量工業生產[7]。為了使研究的信度更高，文中選取A值為1.5%進行樣本量計算，樣本量n為整數。按式(1)進行計算，樣本量最大值為65，文中樣本量滿足實驗要求。

3.1.2異常值檢查 對實驗數據進行箱線圖檢查，在129組實驗數據中剔除明顯的異常值。由于頸椎點高異常，剔除56號、108號，在人體數據庫中重新篩選，補錄數據。

3.1.3描述統計量 描述統計量見表1。由表1可以看出，身高、胸圍和腰圍完全按照170/88A標準篩選樣本后，其余控制要素的極差仍較大。

表1 描述統計量

注：樣本量為129個。

3.2 相關分析

由于文中按照170/88A號型篩選樣本，故控制要素采用身高、胸圍、腰圍、體質量作為相關分析的比較對象[8]。通過SPSS統計軟件對各高度數據與身高值進行相關分析，并將各圍度數據與胸圍、腰圍、體質量進行相關分析。表2為身高與各高度之間的相關關系。由表2可以看出，身高與頸椎點高、左肩高、腰圍高和內胯高在0.01水平(雙側)顯著相關，可以建立一元回歸方程，從而用身高推測其他數據的數值。

表2 身高與各高度數據的相關關系

注：**表示在0.01水平(雙側)上顯著相關。

表3為體質量、胸圍、腰圍與各圍度數據的相關關系。由表3可以看出，在0.01水平(雙側)顯著相關的是臂根圍與體質量、胸圍以及臀圍與體質量、腰圍，可以建立二元回歸方程；在0.05水平(雙側)相關的是胸寬與胸圍以及頸圍與腰圍,雖然相關性不夠高，但頸圍和胸寬在虛擬試衣中重要性稍弱，故可以建立一元回歸方程。而總肩寬與體質量、胸圍、腰圍數據均不相關，同時又是重要控制要素，所以總肩寬的值需要單獨測量。

3.3 回歸分析

3.3.1一元回歸分析 通過相關分析可以看出，能進行一元回歸分析的控制要素有身高與頸椎高、身高與左肩高、身高與腰圍高、身高與內胯高、胸寬與胸圍、頸圍與腰圍。一元回歸關系式為

(2)

式中：H為身高；Hcv為頸椎高；Hls為左肩高；Hw為腰圍高；Hic為內胯高；B為胸圍；Wc為胸寬；Cw為腰圍；Cn為頸圍。

3.3.2二元回歸分析 通過相關分析可以看出，能進行二元回歸分析的控制要素有臂根圍與臀圍。臂根圍可與體質量、胸圍建立二元回歸方程；臀圍可與體質量、腰圍建立二元回歸方程。

由于文中希望通過變量選擇程序來構建一個最佳的預測方程，因而采用SPSS統計軟件中逐步回歸法進行回歸方程建立，得出二元回歸關系式為

(3)

式中：Car為臂根圍；B為胸圍；W為體質量；Ch為臀圍；Cw為腰圍。

表3 體質量、胸圍、腰圍與各圍度數據的相關關系

Tab.3 Correlation between body weight,chest circumference,waist circumference and each circumference data

注：**表示在0.01水平(雙側)上顯著相關；*表示在0.05水平(雙側)上相關。

4 標準人體內模控制尺寸確定

4.1 號型中間體數值

在眾多控制要素數值中提取每個控制要素最有代表性的數值，這些數值能夠覆蓋170/88A號型中大部分人體數據，減少人體建模過程中因參數變化產生的工作量。

在GB/T 1335.1—2008中，每個號型都有中間體數值，號型系列以各體型中間體為中心，向兩邊依次遞減或遞增，因此號型中間體數值可以作為建立人體內模的參考。但服裝號型中間體數值中缺少臂根圍、左肩高、內胯高和胸寬值，故還應尋找其他方式進行分析。

4.2 基本分析法獲得人體內模數值

基本分析法是指采用基本的數理統計方法計算出每個控制要素的平均數、中位數和眾數，分析后選取整數，構成人體內?？刂埔財抵?。

基本分析法簡單易行，可將平均數、中位數、眾數3個特征值結合分析，選取最適合的控制要素數值。對于臂根圍、左肩高、內胯高和胸寬值，可以采用基本分析法進行分析。

4.3 層次分析法獲得人體內模數值

層次分析法(AHP)是美國運籌學家、匹茲堡大學薩迪教授于20世紀70年代初期提出的[9]。層次分析法是定性和定量相結合的方法，它通過系統的、多標準分層的方案，將復雜問題分解為一系列因素，然后通過主導關系形成層次結構。層次分析法的基本思想與解決復雜決策問題的人類思維和判斷過程基本相同[10-11]。層次結構分為目標層、準則層和方案層，層次之間構建判斷矩陣，通過判斷矩陣權重的疊加，選擇出合適的解決方案。

文中將層次分析法與服裝號型系列相結合。圖1為控制要素選擇的層次分析模型。表4為方案層各控制要素尺寸。目標層即圖1中A層，為從129組樣本中選取的覆蓋范圍最大的控制要素尺寸；準則層即圖1中B層，為身高、胸圍、腰圍；子準則層即圖1中C層，為各控制要素尺寸，通過男子國家號型標準中身高、胸圍、腰圍對應的各要素構建；方案層為圖1中D層，以基本分析法中均值作為中間值，向兩邊依次遞增或遞減而得到。文中選用GB/T 1335.1—2008中170/88A號型的男性人體數據進行分析，170/88A號型表示符合身高為168～172 cm、胸圍為86～89 cm的男性，故D5胸圍無數值。表5為各控制要素檔差。

圖1 控制要素選擇的層次分析模型Fig.1 Hierarchical analysis model for control factors selection

cm

表5 各號型系列控制要素檔差

根據層次結構中下層對上層重要性的不同，可建立不同的判斷矩陣。在理想號型的基礎上對身高B1、胸圍B2和腰圍B3的重要性進行比較，可以得出B→A的判斷矩陣；根據表5中號型系列規定的控制要素檔差，可以得出C→B的判斷矩陣。表6為準則層與目標層的判斷矩陣及一致性檢驗。層次分析法的信息來自于各層次中元素間的相對重要性，這些重要性經過量化之后形成判斷矩陣。然而判斷矩陣很難得到完全一致性，所以要對其進行一致性檢驗。CR為一致性檢驗指標，當CR值小于0.1時，認為判斷矩陣具有可接受的一致性。由表6可知，準則層與目標層的判斷矩陣均通過了一致性檢驗。

表6 準則層與目標層的判斷矩陣及一致性檢驗

文中層次分析法中，目標層為最重要的一層。目標層需要從129組樣本中挑選覆蓋范圍最大的控制要素尺寸。采用樣本控制要素尺寸值與方案層控制要素尺寸值差值的絕對值來判斷矩陣構建并計算權重，總排序權重為各層排序權重相乘后各值相加的總和。由于有129組樣本，且準則層與目標層判斷矩陣相同，對于每一個控制要素，起決定性作用的為方案層到準則層的判斷矩陣。

因此，文中采用的總排序權重計算方式為：令尺寸值剛好與方案值相等的方案層權重為1，記其樣本數量為a1,a2,a3,a4,a5，則總權重計算公式為

(4)

式中：Wi為各方案層總權重；WDj為各樣本方案層權重；n為控制尺寸值與方案值不相等的樣本數量；ai為控制尺寸值與方案值相等的樣本數量。

以頸圍為例，與方案D1頸圍值34 cm相等的樣本數有10個，即a1=10；與所有方案值均不相等的樣本數有52個，即n=52，則方案D1總權重需要除以的樣本數值為62個。表7為各控制要素方案層總權重。

表7 各控制要素方案層總權重

4.4 3種方法獲得人體內模數值比較

表8為3種方法獲得人體內模數據的比較。表8中列出了最終采用的13個控制要素數值，由于采用170/88A型樣本，所以身高、胸圍和腰圍尺寸嚴格按照中間體數值，其余數值根據不同方法的所得結果,將要素數值加以更改。號型中間體法參考GB/T 1335.1—2008中給出的數值，不在國家標準中的要素數值沒有給出；層次分析法依賴于國家標準，故不在國家標準中的要素也沒有數值。

表8 3種方法數值比較

5 結語

文中通過對129位170/88A體型的男青年人體數據進行分析，得出以下結論:

1)考慮方便建立參數化人體模型，選取身高、頸椎高、左肩高、腰圍高、內胯高、頸圍、總肩寬、胸圍、腰圍、臀圍、臂根圍、胸寬和體質量13個要素。

2)對上述13個要素進行數據分析，建立一元回歸模型和二元回歸模型，使得參數化人體模型主要控制規格都可以由身高、體質量、肩寬、胸圍、腰圍獲取。

3)對于人體數據，采用號型中間體法和基礎分析法進行初步分析，再運用層次分析法分析參數化人體模型內模尺寸，提出針對大范圍樣本容量的總權重計算。結合上述3種分析方法，確定了170/88A號型的標準人體內模尺寸。