杨天, 宁艳群, 杨秀月, 尚笑梅*
(1.苏州大学 纺织与服装工程学院,江苏 苏州 215021;2.上海纺织集团检测标准有限公司,上海 200336)
人体尺寸包含长度尺寸和围度尺寸,是服装造型设计和结构设计的基础,而人体胸围尺寸是服装设计的重要尺寸之一[1]。在文胸产品中,人们越来越追求舒适、合体,对胸立体尺寸的描述要求越来越精准,故除了获取通用的胸围、胸底围的尺寸外,文中增加了依次经过胸围截面轮廓点测量而得的胸围尺寸,对其控制轮廓点的获取方法进行优化[2-3]。
另外,在非接触式测量技术迅猛发展的今天,其测量数据的准确度和精确度是人们关注的重点,该测量技术建立在精确获取人体表面轮廓点的基础上,通过点连成线,线组成面,才能准确测量出轮廓线的尺寸,生成精确的截面图形,故而文中对人体胸围截面轮廓点的获取方法进行优化研究,得到最优的轮廓点获取方法,以服务于服用非接触式测量技术。
目前,对人体表面轮廓基准点的研究主要有侧颈、第七颈椎、肩、前腰、侧腰、会阴等测量时容易出错的点[4]。田亚楠等[5]分析了不同测量方法对测量精确度的影响,主要研究了前腰点、侧腰点和会阴点,通过目测法和控制法对内胯高和周裆进行测量。对胸部乳房截面轮廓的研究目前仍集中在人体胸围曲线的拟合。尚笑梅等[6]通过拍摄人体的二维图像,提取出其胸围的轮廓截面,用于三维测量技术,并通过三次多项式函数对胸围进行拟合。对胸围截面轮廓点的获取方法优化可使测量而得的胸围数据值更加准确,对于提高文胸结构设计的合理性有重要意义。
文中基于是否依次经过胸围轮廓点,采用两种方法测量胸围尺寸,研究两种方法测量值的精确度以及实际可操作性;建立两种方法测量值的转换模型以便得到更接近胸围真实值的数据。最终建立不同方法测量值转换的回归模型。
被测者:从苏州大学随机选取30名女大学生作为被测者,年龄在18~25岁,身高在155~170 cm。
测量者:随机选取10名女性作为测量人员,实验前统一进行的人体测量技能培训,年龄在20~25岁,身高在155~170 cm。
记录者:随机选取10名女性作为记录人员,实验前统一进行的人体测量数据记录培训,年龄在20~25岁。她们与10名测量人员随机组成测量搭档。
实验工具:软尺、笔、记录表、记录板、测体工作者专用实验服、被测者专用测体紧身衣。被测者双脚并拢,自然站立,头发盘起,脱掉上衣和文胸,下身穿着专用测体紧身衣;测量者身穿测体专用实验服,手拿软尺;记录人员身穿测体专用实验服,手拿夹有记录表格的记录板和记录笔。
实验环境:实验要求在同一时间段、统一操作规范以及统一测量设备下进行;环境温度为(27±3) ℃、湿度(60±10) %,保证室内测体实验人员感觉舒适[7];灯光强度适中,保证清晰读数。
根据GB/T 16160—2008中胸围的定义,通用方法测量的胸围尺寸是经过左右胸凸点(A和A′)、左右腋窝点(B和B′)和左右背凸点(C和C′)的水平围长,测量方法如图1所示。基准点的位置标识如图2所示。采用“胸围轮廓点一次测量法”和“胸围轮廓点依次测量法”分别获取胸围尺寸,将其分别命名为方法1和方法2。
图1 胸围测量法Fig.1 Bust measurement method
图2 胸围轮廓点位置示意Fig.2 Bust profile point position diagram
被测者站姿要求:两脚并拢,自然站立,目视前方,手臂前伸。在整个测量过程中,要求被测者站姿保持不变。
测量前,在6个胸围轮廓点贴好标记,以方便测量并减少实验误差。10名测量者均按照方法1和方法2,依次量取30名被测者的胸围尺寸,记录者做好数据记录。
1.3.1方法1 被测者保持站姿,手臂前伸。测量者站于被测者左侧,手拿软尺,对胸围进行环抱式测量,且保持软尺形成的水平面与地面平行,经过左右胸凸点,左右背凸点和左右腋窝点形成贴合人体的圆周曲线,得到轮廓点一次测量法胸围尺寸[8]。该测量过程中,测量者站于被测者左侧不移动。
1.3.2方法2 被测者保持站姿,手臂前伸。测量者站于被测者右侧,手拿软尺,对胸围进行轮廓点顺序测量:首先将软尺零刻度线固定于被测者B′点,然后依次经过A′,A,B,C,C′点,最后回到B′点,得到轮廓点依次测量法的胸围尺寸。测量过程中,保证测量水平面与地面平行,测量者随软尺走势不断移动。
在最初30个样本中,剔除5个特殊体型样本,最终确定实验被测者25人,设置编号为1~25,测量者10人。规定每位测量者依次测量25名被测者,每个样本测量3次,故得到实验数据750组。剔除掉无效数据组和异常数据组,最终确定可用于研究的样本量为732组。对每个样本的数据取均值,随机选取15个样本用于精确度分析和建模研究,对剩余10个样本进行模型验证分析。
将25个样本中随机选取的15个样本,利用Excel软件对方法1和方法2所得数据分别进行胸围均值对比分析和离散程度统计分析。
求出两种测量方法所得的每位被测者的胸围均值,对所获取的均值进行对比分析,结果如图3所示。
图3 方法1和方法2所得胸围均值对比分析 Fig.3 Comparisons of the mean chest circumference measured by method 1 and 2
从图3中可得出如下结论:
1)方法1和方法2的均值存在明显差异,说明通过控制轮廓点获取尺寸的方法对实验结果会产生一定的影响。
2)方法2测量所得的数据值均大于方法1,表明通过依次控制基准点获取的数据值均大于直接测量。
通过换算,获得被测项目的均值、标准差和AVEDEV函数值。其中标准差表示一组数据的离散程度,数值越大离散程度越大。AVEDEV函数值是指数据绝对偏差的平均值,也反映数据的离散程度,其数值越大,离散程度越大,数据越不稳定。方法1和方法2离散程度统计见表1。
表1 方法1和方法2离散程度统计
从表1可得出如下结论:
1)通过对比标准差和AVEDEV函数值可知,就整体而言,方法1的标准差和AVEDEV值大于方法2,说明采用方法2得到的数据离散程度更小,数据值较稳定;而用方法1得到的数据值离散程度较大,不够稳定,故其测量值精确度较小。此结果与方法2采用的测量方法有一定关系,因其直接按照定义依次经过基准点贴体测量,故所得数据更接近真实值,数据值更加稳定。
2)对比两种方法的实际可操作性,方法2依次经过6个轮廓点进行测量,测量过程中会和被测者肌肤接触过多,且操作方法复杂,耗时较长,实际可操作性较弱;方法1采用胸围轮廓点一次测量胸围尺寸,是所有服装企业量体时重要的环节之一,已经发展多年,技术成熟,具备实际可操作性。故在实际运用中,可通过构建数学模型将胸围轮廓点一次测量法获得的胸围尺寸转换成胸围轮廓点依次测量法尺寸,既减小工作量,也可同时得到两组数据值。
对上述随机选取的15个样本,运用SPSS软件系统,分析方法1和方法2的相关性和显著性水平,并建立转换模型。首先,对方法1和方法2的数据组进行配对样本t检验,判断两组数据的相关性及差异性[9],若其存在较大相关性且差异显著,可建立回归模型;然后对测量样本进行回归分析,并建立数学模型;最后对模型进行验证分析。
分析两种测量方法所得数据组的显著性水平。设置可信区间为95%,对两组数据进行配对样本t检验,所得结果见表2和表3。
表2 方法1和方法2相关性
表3 方法1和方法2配对样本t检验
由表2可知,两种方法所得胸围数据组的相关系数为0.988,相关系数的显著性检验表明其显著值为0.000,因为Sig.<0.05,故二者具有显著相关性。由表3可知,配对检验结果表明t为-7.969,自由度为14,两尾检验差异水平为0.000,因为Sig.<0.05,表明二者存在极显著性差异。综上可知,方法1和方法2之间可以建立回归模型。
对样本进行回归分析,建立数学回归模型。其中,设定方法1所得数据值为自变量x,方法2所得数据值为因变量y,选择曲线拟合中的线性、二次、三次、复合及逻辑函数类型进行拟合[10-11],所得拟合结果见表4。各模型的优劣通过相关系数的平方值(RSQ)比较,RSQ函数越大,则所选的模型越好。另外,表4中F值越大,表明该差异值越显著,v代表自由度,b代表函数模型的系数值。
通过比较表4中所有模型的RSQ值可知,二次和三次多项式模型的RSQ值均为0.978,且均高于线性、复合和逻辑模型的RSQ值,故排除线性、复合和逻辑模型;另外,三次多项式模型中b3值为0.000,b1和b2的值均和二次多项式模型中b1,b2值相等,说明此三次多项式模型不存在,故排除。
表4 方法1和方法2的模型汇总及参数估计值
综上所述,采用二次多项式模型对函数进行拟合是最合适的,其中,二次多项式模型中的常数项为-91.424,一次项系数b1为3.101,二次项系数b2为-0.012。
故其拟合结果为
y=-91.424+3.101x-0.012x2
(1)
根据服用人体手工测量尺寸的精确度要求,参照GB/T 1335.2—2008中胸围尺寸的档差为4 cm,将胸围档差值转换为数据值域,由此设定胸围误差范围为2 cm。对剩余的10个样本进行转换模型验证分析,若由模型求得的数据值与手工测量值相差的绝对值在2 cm以内,说明模型有效。 剩余样本回归模型验证分析结果见表5。其中,x值是方法1的实际测量值,y值是方法2的实际测量值,y′值是方法1的模型验证值,即带入式(1)得到的值,差值比率指y与y′绝对差值与y的比。其中差值比率越小,说明其模型越好[12]。
表5剩余样本回归模型验证分析
Tab.5Validationanalysisoftheresidualsampleregressionmodel
样本编号x/cmy/cmy′/cmy与y′的绝对差值/cm差值比率/%384.5085.6584.930.720.84583.6884.6084.040.560.66686.4587.2086.970.230.26887.8489.2088.380.820.921083.5784.8683.920.941.111385.4086.8085.890.911.051483.1083.9083.400.500.601590.1090.4090.560.160.181782.3083.6882.511.171.402286.4587.4086.970.430.49
由表5可知,y与y′的绝对差值均小于2 cm,且差值比率均小于2%,故经模型验证,二次多项式回归模型有效。综上可知,采用二次多项式模型对函数进行拟合最合适。
通过对胸围两种测量法所得数据进行数理统计分析,得到如下结论。
1)用方法1获取的数据离散程度较大,数据值不够稳定,但具有较好的实际可操作性。
2)用方法2获取的数据离散程度较小,数据值稳定,但实际可操作性较差。
3)两组数据具有显著相关性且呈现极显著差异,可对两组数据建立转换模型。
4)最终最优转换模型拟合结果为二次多项式模型y=-91.424+3.101x-0.012x2。
5)经模型验证得到式(1)二次多项式模型有效。
在常规的人体尺寸测量中,方法1是最常用且非常重要的测量方法之一,同方法2相比,其测量速度快,实际可操作性较高;方法2依次经过轮廓点测量而得的数据离散程度更小,较方法1数据值更稳定,且更接近胸围真实值。因此,通过建立两种方法间的转换模型,可使两种测量方法获得的数据值相互转换,使企业在只获得通用胸围尺寸的情况下,通过带入转换模型便可获得“胸围轮廓点依次测量法”的结果。该转换关系不仅节省了人体测量的成本,还提高了测量值的利用率,为人体测量领域的建模研究提供参考。