杨楚欣

（博罗中等专业学校，广东惠州 516100）

随着信息技术的飞速发展，传统服装行业正朝着自动化、数字化方向迈进，也推动了电子商务和网络零售的发展。服装合体度是影响服装质量和消费者满意度的重要因素[1，2]。然而，来自 Kurt Salmon Associates的报告显示，50%的女性和62%的男性不满意成衣的合体度[3]。为了生产出满足不同消费者的个性化产品，新技术如三维人体扫描仪和服装CAD系统在世界各地得到了广泛的应用[4，5]。在这些系统中，基于人体尺寸的服装样版生成方法是大批量定制服装生产的关键技术之一。然而，现有三维人体扫描仪价格昂贵且使用中存在的实际问题阻碍了其在日常服装生产中的应用，尤其是在中小服装企业。因此，有必要探索更经济、更简单的人体测量方法，以适用于小型企业，甚至被用于家庭使用[6]。

为了满足这一需求，研究学者提出了利用现成的摄像机拍摄的数字图像来提取人体尺寸的方法，被称为二维人体测量系统。例如，Pierre和Shi使用人体图像和自动定位算法来实现基于图像的人体测量，获得的人体测量数据具有一定的精确度。

然而，在二维系统中，只有高度、宽度和深度可以直接测量，围度必须根据人体横断面曲线的模拟来估计，用于模拟横截面曲线的典型方法，包括超椭圆曲线和e样条（指数样条）曲线。Hatakeyama等首先提出使用超椭圆来估计体截面，超椭圆具有相对于中心轴的对称形状。Yao等人选择e样条函数对不同体截面进行近似。显然，这些曲线拟合和建模技术对于人体测量尺寸的有效性较大地依赖于人体横截面的基础数据。

根据人体尺寸可以进行个体化服装样版自动生成，主要由两种方法。一种是基于三维虚拟人体模型的服装样版自动生成技术，利用曲面展平技术从三维虚拟模型中直接开发出个性化的服装款式。虽然三维向二维展开方法是服装设计到制版转变过程最便捷的途径，但是在实际处理过程中，特殊部位如胸部等在三维曲线和二维曲线的转换精度上，可能会影响最终生成样版的合体性效果。另一种是“量身定制”技术，该技术通过一组所需的人体尺寸，自动地修改服装CAD系统中的平面样版。这种方法依赖于已有的服装样式、体型尺寸和样版模版。量身定制技术的实现主要基于三种不同的方法，包括自动放码规则、设计元素的参数化和人工智能。其中，人工智能又涉及人工神经网络和模糊逻辑。但是，这些方法都需要操作者对服装设计、制版工艺和服装试衣评价有足够的了解。现有的样版绘制方法在创建样版以适应不同的体型方面仍然不够，需要建立根据人体测量数据准确预测样版参数的模型。

为了进一步提高样版生成的效率，本课题主要是探索与裙装设计相关的人体围度和高度数据间的关系。考虑到裙子的款式、经纱方向等多方面因素，将裙子分为筒裙、A字裙、斜裙、塔裙、分片裙和分割变形裙六大类。首先，在人体数据研究的基础上找出人体动态变化对女裙基本样版模型的影响规律，归纳总结出女裙原型样版与人体体型的对应关系。其次，在原型样版的基础上，研究变化款式样版生成规则。最后，通过计算机编程完成裙片样版的自动生成。系统将基于人体二维图像的尺寸自动提取技术与样版自动生成技术相结合，可自动获得人体特征尺寸，并能根据用户设计的款式自动完成打版工作，可有效地提高服装生产效率，实现完全自动化。

1 女裙原型样版与人体对应关系

在对裙装款式进行搜集与分析后，综合考虑裙长、造型、经纱方向等因素将100款女裙款式进行分类，分为筒裙、A字裙、斜裙、分片裙、塔裙、分割变形裙，其中，筒裙17款、A字裙30款、斜裙13款、塔裙12款、分片裙7款、分割变形裙21款。经过分析发现，女裙的结构线主要有腰线、腹围线、臀围线、侧缝线，这些结构线与人体体型的对应关系如表1及图1所示。

表1 裙片结构线与人体体型的对应关系

图1 裙片结构与人体测量数据对应关系示意图

因此，与女裙样版密切相关的人体特征部位为腰、腹和臀。这些部位的高度尺寸（腰高、腹高、臀高）和围度尺寸（腰围、前腰围、后腰围、腹围、前腹围、后腹围、臀围、前臀围、后臀围）是绘制女裙样版必不可少的。而从人体二维照片上无法直接得到这些尺寸，但可以得到与之相关的人体身高以及特征部位宽度和厚度的数据，人体数据研究的目的是找出所需尺寸与这些可测数据的关系，从而为人体尺寸自动提取打下基础。

本课题使用三维人体测量仪对425名18至26周岁的青年女体进行测量，再运用imageware软件导入扫描获得的三维女体点云图，截取人体的特征部位数据，主要是腰部、腹部和臀部的高度、围度、宽度和厚度数据。然后，运用SPSS软件对人体特征部位数据进行分析，建立各部位数据的回归模型，得到女下体特征部位数据的确定规则。

2 高度模型建立

表2为人体特征部位高度与身高的相关性分析表。表中，双尾检验显著性水平为0，说明这些部位数据与人体身高数据之间存在着十分显著的相关性，可以通过一元一次线性回归方程来建立计算模型。

表2 人体特征部位高度与身高的相关性分析

根据SPSS回归分析得出的方程，将每一个样本的身高代入腰高、腹高和臀高的回归方程中，得到腰高、腹高和臀高的理论值，将理论值与Imageware软件测量值进行比较，相减得到相对误差S，回归模型及误差分布如表3。

表3 高度回归模型及拟合误差分析

分析可见，腰高、腹高和臀高的理论值与测量值相对误差均在3cm内，根据95%有效性原则，以上研究符合服装标准。

3 围度模型建立

3.1 特征部位宽厚值拟合围度

首先，计算人体各特征围度截面厚度/宽度的值，并按此比值进行体型分类；运用SPSS软件对特征部位的高度、厚度、围度和宽度进行相关性分析并做出散点图；利用线性拟合方法得到各类人体特征围度的回归方程；最后，将拟合数据与Imageware测量数据进行对比，进行误差分析及验证。人体特征围度与该围度对应厚度和宽度的相关性分析见表4。

表4 人体特征围度与该围度对应厚度和宽度的相关性分析

由表4可知，人体各特征围度的相关系数都较大，显著性水平P均为0，相关性非常显著，可以进行围度与厚度、围度与宽度的拟合。

散点图可以直观地显示自变量与因变量的关系。图2、图3为腰围与腰厚、腰宽的分布散点图。分析可知，腰围与腰厚、腰宽呈较好的线性关系，故可以采用线性拟合方法构建围度模型。

图2 腰围与腰厚分布散点图

图3 腰围与腰宽分布散点图

由以上的散点图可知，人体特征围度（腰围、腹围、臀围）与该围度的厚度、宽度呈线性相关关系，故可以采用围度为因变量，厚度和宽度为自变量建立二元一次方程进行围度拟合，结果如表5。

表5 各类人体特征围度的回归方程式及显著性水平

根据回归分析，把各类特征围度（胸围、胸下围、腰围、腹围、臀围）的回归方程代入该围度对应的原有宽度和厚度数据得到该围度的预测数据，预测数据与原有的围度数据之间存在着一定的误差。表6为各类人体特征围度的误差分析表。

表6 各类人体特征围度的误差分析

由表6可知，在95%的有效性原则下，各类人体特征围度的误差均在±3cm以内，符合服装标准。

3.2 特征部位围度拟合前围度与后围度

女下体特征部位围度与该围度对应的前围度、后围度的相关性分析见表7。

表7 女下体特征部位围度与该围度对应的前围度、后围度的相关性分析

由表7可知，女下体各特征围度的相关系数都较大，显著性水平P均为0，相关性非常显著，因此可以进行围度与前围度、围度与后围度的拟合。

通过分析散点图的趋势可以确定因变量与自变量之间的关系，从而选择合适的模型进行研究。图4与图5分别是前、后腰围与腰围的分布散点图。分析可知，女下体特征部位围度与相应的前围度、后围度的一元一次线性回归方程是可行的。

图4 前腰围与腰围的分布散点图

图5 后腰围与腰围的分布散点图

由以上的散点图可知，女下体特征围度（腰围、腹围、臀围）与该围度对应的前围度、后围度呈线性相关关系，本课题采用以女下体特征部位的前围度、后围度为因变量，对应的围度值为自变量建立一元一次回归方程。表8为各类人体特征部位前、后围度的回归方程式与显著性水平分析。

表8 各类人体特征部位前、后围度的回归方程式及显著性水平

由表8可知，数据显著性水平很高，因此以宽/厚比值分类，由围度拟合对应的前、后围度的回归方程是有效的，十分显著的。

根据回归分析，把各类女下体特征部位前、后围度（前、后腰围，前、后腹围，前、后臀围）的回归方程代入对应的围度数据进行拟合得到预测数据，预测数据与原有的围度数据之间存在着一定的误差。表9为各类人体特征围度的误差分析表。

表9 各类人体特征围度的误差分析

由表9可知，在95%的有效性原则下，各类人体特征围度的误差均在±3cm以内，符合服装标准。

4 结语

本课题将人体尺寸自动提取技术与女裙样版自动生成技术相结合，研究了人体体型与女裙原型样版之间的关系，确定了与裙装基本结构线相关的人体参数；通过三维人体扫描仪对425名研究对象进行了人体测量，使用Imageware软件对扫描获得的三维人体点云数据进行了二次开发测量，获得了腰部、腹部和臀部的高度、围度、宽度和厚度相关数据；最后，利用回归分析建立了人体关键部位高度与身高、围度与宽厚度、前后围度与总围度之间的计算模型，误差结果显示95%以上的数据都在±3cm以内，基本符合服装制作的标准，为后续样版生成提供数据基础。本课题结果可广泛用于服装行业中，减少了样版师的工作强度，降低企业成本，有利于我国服装行业的定制化及自动化的发展，将我国服装行业推向一个更高的层次。