基于三维人体数据的青年男性下肢体型分类

汪东升， 袁惠芬， 王 虹， 孙 坤， 杜增锋

(安徽工程大学 纺织服装学院，安徽 芜湖 241000)

国家现行服装号型标准GB/T 1335—2008是在原GB/T 1335—1997基础上修订的，其样本来源于1985年人口测量数据。随着生活水平的不断提高，人体体型已经发生变化，目前推行的号型标准显然已不再适合当前市场需求[1]。此外，国家服装号型适用于13～60岁的男士，年龄跨度较大，难以准确匹配各年龄段男士的体型。服装号型系统是服装制作的基础性标准，其准确性与服装的适体程度关系密切[2]。针对体型分类的研究方法有定性描述法和定量分析法。定性描述是根据人体的整体形态，用语言、数字或字母对其进行描述；定量分析是指在对人体数据分析的过程中，确定影响体型分类的单个或多个指标，对体型进行定量描述。

目前，针对体型分类的研究方法包括主成分分析、因子分析、聚类分析等。黄英等[3]采用腰臀差作为体型分类的标准，将华东地区22～55岁成年女子分成P(梨形体)、M(中间体)、F(偏胖体)、O(柱形体)4类体型。王军等[4]研究裤装结构合体性的影响因素，采用因子分析得到影响腰臀部体型的5大形态因子，并将东北地区青年女性腰臀部体型分为3类。张中启[5]通过因子分析法，提取影响中西部地区男性大学生下肢体型特征的5个主要因子，以腰位高/腰围、臀腰差为分类指标，将其体型分为5类。方方等[6]对176名18～25岁青年女性进行三维人体扫描，提取出影响腰臀形态的8个特征参数，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，为三维虚拟试衣等技术提供参考。程朋朋等[7]通过对福建200名18～25岁青年女性进行人体测量，提取出身高、胸围、腰围、臀围、胸高、腰高6个特征参数作为分类指标，运用K-means方法将福建青年女性体型分为7类，为建立福建地区女青年人体尺寸数据库提供依据。倪世明等[8]以在校青年女性为研究对象，提取能用于青年女性体型分类的纵截面特征曲线，并提出用纵截面曲线特征点曲率半径进行青年女性体型分类的方法，运用K-means聚类算法进行动态聚类，将纵截面体型分为8类。雷玲玲等[9]使用三维人体扫描仪对嘉兴学院18～24岁的在校青年女性进行人体测量，利用SPSS软件对原始数据进行处理，通过K-means聚类方法，根据选定的指标将样本分为腿偏长体型、臀围偏大体型、扁平体型，为后期新体型研究分析、新号型标准制作提供新思路、新方法，同时对小批量定制的发展也具有指导作用。

上述学者在提取样本体型特征指标后，采用K-means聚类分析时对k值的选取大多依据经验所得，导致分类结果具有一定主观性。文中在因子分析的基础上提取反映人体特征形态的参数，选择方差碎石图曲线拐点作为确定k值的依据，并采用K-means聚类方法对下肢形态进行较为客观的分类。

1 实验部分

1.1 仪器

3D CaMega三维扫描仪，北京博维恒信科技发展有限公司制造。

北京博维恒信三维人体扫描系统的扫描原理为非接触式结构光扫描，采用高亮度LED冷光源，减少外界环境对测量准确性的影响，并配备滤光系统，可滤掉环境中干扰的光，减少噪声，提高数据质量。

1.2 着装及人体扫描要求

以18～25岁的江浙沪地区在校大学生为研究对象。在进行人体扫描时，被测人员需穿着实验室提供的对应身材尺寸的浅色紧身衣，为减小误差，紧身衣需紧贴皮肤，无明显皱褶。同时，身上不可佩戴手表、项链、耳环等饰品，以免成像不均。

测试者按照测量要求自然站立在指定位置，双臂下垂，肩膀宜平直而不僵硬，双手握拳离大腿距离约5～10 cm。开始测量时，保持正常呼吸频率，目视前方，不可闭眼，以防身体失去平衡而晃动。标准站姿如图1所示。

为避免仪器系统及测量者晃动带来的误差，提高测量精度及数据合理性，每一位被测者需测量3次，取其平均值。

1.3 测量项目

参照文献[10-11]，选取35个三维扫描仪测量项目，另外补充体质量作为手动测量项目，共计36个项目，具体见表1。

表1 测量项目Tab.1 Measurement items

2 数据分析

2.1 数据的预处理

为保证实验数据的可靠性与准确性，需对原始数据进行预处理，排除异常值。将各组数据导入SPSS中，对数据进行标准化处理后，得到一组数值。标准化处理后的数值较小，为-1～1，如绝对值大于2，就属于异常值，需在分析时结合实际测量情况将异常值剔除。综合志愿者的实际身材，排除由于录入等人为原因及人体体型差异触发的异常值，最终保留201名志愿者数据。

2.2 因子分析

因子分析指在众多初始变量中提取具有代表性的因子，用少数几个因子代替原有数据信息，既能减少数据分析中变量的个数，也不会造成原始数据信息的大量丢失[12]。对样本数据进行因子分析的前提条件是，原始数据各变量间需要具备较强的相关性，否则无法从中综合得出能够体现相同特征的公因子。

2.2.1巴特利特球形检验与和KMO检验 检验原始数据是否能用因子分析方法进行研究，可以通过计算相关系数矩阵、反映像相关矩阵、巴特利特(Bartlett)球形检验以及KMO(kaiser-meyer-olkin)检验进行判断。通过对4种方法的比较，最终采用Bartlett球形检验与KMO检验相结合的方式探究原始变量是否可用因子分析法分析。

表2为KMO检验结果。由表2可以看出，Bartlett球形检验的近似卡方值为15 883.364，且相应的概率p值接近0。由于该统计量的观测值较大，假设显著性水平值α是0.05，p值为0小于显著性水平α，同时，KMO值为0.743，说明变量间的相关性较高，认为数据适宜进行因子分析。

表2 KMO检验结果Tab.2 Test results of kaiser-meyer-olkin

表3为8个公因子对原始数据体型差异解释的总方差。由表3可以看出，有8个因子的特征值大于1，同时，总方差累积达到87.616%，由此可以说明，采用8个公因子来描述样本体型差异即可达到所有数据可信度的87.616%。

表3 解释的总方差Tab.3 Total variance of interpretation

表4是因子载荷矩阵采用方差最大法经过正交旋转得到的旋转成分矩阵。结合表3分析结果，可以得到以下8个用于描述下肢特征的公因子：

表4 旋转成分矩阵Tab.4 Rotational component matrix

①第1公因子为臀围、横裆、体质量、小腿围、膝围、腹围、腰围、臀围与下肢长比8个关于下肢围度的变量，称为围度因子；

②第2公因子为立裆、裤后膝、臀高点、裤前膝、裤长与身高比5个关于裆部至膝盖的变量，称为裆部形态因子；

③第3公因子为后腿围线高、前腿围线高、身高、裤腰凹、裤腰凸、裤长6个关于裆部长度的变量，称为裆长因子；

④第4公因子为凸臀值、臀凸、臀腰凸差、大腿根后凹、背臀差5个关于臀部形态的变量，称为臀部形态因子；

⑤第5公因子为大腿根前凹、臀前凹、膝前凸、小腿肚前凸、凸腹差、臀腰值6个关于下肢侧面凹凸形态的变量，称为下肢侧身因子；

⑥第6公因子为小腿肚后凸、膝后凹2个关于小腿形态的变量，称为小腿形态因子；

⑦第7公因子为下肢与上身长比、臀高比、臀腿凸差3个关于下肢整体形态的变量，称为下肢体态因子；

⑧第8公因子为腰凹，称为腰部因子。

综上，影响下肢体型特征的因子可以归纳为围度因子、裆部形态因子、裆长因子、臀部形态因子、下肢侧身因子、小腿形态因子、下肢形态因子和腰部因子。其中影响青年男性下肢体型的主要变量集中在围度因子上，其次是裆部形态因子。

2.2.2特征指标的提取 为进一步描述下肢体型特征，将上述变量采用权重分析法提取各公因子的特征指标。根据各公因子的方差贡献率，通过计算因子贡献率与8个因子累计贡献率的比值，得到各因子的权重。依据因子得分系数矩阵的系数，计算各变量在公因子中的权重，权重值大小客观显示了变量的重要程度，具体结果见表5。

由表5可以看出，横裆、立裆、后腿围线高、臀腰凸差、大腿根前凹、小腿肚后凸、下肢与上身长比和腰凹在各自因子中占比最大，即这8个变量相对于其他变量更为重要。结合人体对裤装舒适性和合体性的要求，分析裤装纸样设计中各部位的参数公式，增加身高、腰围、臀围3个主要影响因子，共提取11个变量作为评价下肢形态的重要特征指标，具体见表6。

表5 因子权重值Tab.5 Factor weight values

表6 裤装纸样参数公式Tab.6 Parameter formulas of trouser pattern

3 K-means聚类分析

K-means聚类的基本原理是将距离作为个体间关系紧密程度的指标，并通过指定分类数求得聚类结果。具体步骤为：①在确定聚类数目k后，指定这k类的初始类中心点；②依次计算每个样本数据点到k类中心的欧氏距离，根据距离最近原则分派样本，形成第一次迭代的k个分类；③根据聚类终止条件进行迭代，迭代停止则聚类结束[13]。

立裆又称直裆或上裆，指后腰围线至臀沟的竖直距离[14]，是关系裤装舒适性与合体性的重要部位。立裆与身高比反映了人体的裆长比例，比值越大，说明裆长占据身高的比例越大。臀腰凸差指臀凸点相对于后腰凹点的前后位差，与腰臀形态紧密相关。臀腰凸差的数值越大，说明臀凸点越高，臀部相对于腰部越凸出；数值越小，说明臀凸点越低，臀部与腰部越接近于同一平面。因此，选取高度方向上的立裆与身高比、臀腰凸差作为分类依据，对下肢进行体型分类。

表7为立裆与身高比、臀腰凸差经过K-means聚类为不同类别时，各自聚类中心的数值。

表7 立裆与身高比、臀腰凸差的K-means最终聚类中心Tab.7 K-means final clustering center of crotch to height ratio and hip waist convexity difference

图2是将立裆与身高比、臀腰凸差作为分类指标，通过观察分类结果的聚类中心距离和绘制而成的碎石图。由图2可以看出，当聚类数为2，3，4时，碎石图中3点之间连线急剧下降；聚类数为5时，折线开始趋于平缓，并出现拐点，所以选择聚类数为5。将201个样本群体分为5类，分别为深裆平臀体、深裆圆臀体、中裆平臀体、中裆圆臀体和浅裆标准体。各项分类指标中心值、案例数和占比结果见表8。

图2 碎石图Fig.2 Scree plot

由表8可以看出，青年男性群体中深裆体体型占比较其他体型稍多，达到50.8%，分别为深裆平臀体27.4%与深裆圆臀体23.4%；中裆体体型在青年男性中的占比为23.8%，分别为中裆平臀体16.9%与中裆圆臀体6.9%；浅裆标准体占比为25.4%。以臀部形态进行分类，可以看出平臀体青年男性占44.3%，其次是圆臀体与标准体，分别为30.3%与25.4%。

表8 分类结果Tab.8 Classification results

4 结 语

通过三维扫描仪对青年男性进行下肢部位数据采集和统计分析，总结出以下结论：

1)使用因子分析法，从36个下肢相关数据中提取出能够反映下肢特征的8个公因子；

2)通过计算公因子中各部位数据的因子权重值，提取特征指标，结合裤装纸样设计的参数公式，共提取11个特征指标；

3)选取立裆与身高比、臀腰凸差作为分类指标，利用K-means聚类分析法，将青年男性下肢分为深裆平臀体、深裆圆臀体、中裆平臀体、中裆圆臀体与浅裆标准体5类，各体型占比分别为27.4%，23.4%，16.9%，6.9%和25.4%。