基于青年女性下肢形态分类的特征部位围度拟合

徐凯忆 钟泽君 蔡晓裕 顾冰菲

摘 要：为实现个性化裤装样板自动生成，探讨了青年女性下肢体型的分类方法及腰部、腹部、臀部、大腿根部和膝部5个人体特征部位的围度预测模型建立。主要通过美国[TC]2三维人体扫描仪获取202名在校女大学生的人体点云数据，测量各特征部位的围度、宽度和厚度等相关形态参数。然后进行体型分类，提出VDwh值（表征腰臀相对凸出量）、Dbw值（表征后腰的凹陷程度）、HDht值（表征站姿）、Atk值（表征腿型）4个形态指标，将青年女性下肢形态分为圆长型、圆润型、扁长型三类。基于体型分类结果，选择圆润体，对该体型下5个特征部位的宽度、厚度以及围度进行相关分析并建立特征部位围度的回归方程，并以手工数据进行验证分析。结果表明：除大腿根部最大误差值为1.98cm外，分类后预测的其他特征部位围度值与手工数据的误差绝对值均在1.5cm范围内，说明本围度预测方法具有较高的准确性，对基于照片的青年女体个性化裤装样板自动生成提供了一定的技术支撑。

关键词：人体测量;形态分类;围度预测;回归分析

中图分类号：TS 941.17

文献标志码：A

文章编号：1009-265X（2022）01-0204-08

Abstract： In order to achieve the automatic generation of personalized pant templates， this study discussed the classification method of morphologies of young women's lower limbs and set up a circumference prediction model at five characteristic parts of human body， that is， the waist， abdomen， hip， thigh and knee. The point cloud data of 202 female college students were obtained by the U.S. [TC]2 3D human body scanner， and relevant morphological parameters， i.e.， circumference， width and thickness of each characteristic part were measured. Then the morphologies were divided into three types： oblong， round， and prolate， and four morphological indicators were proposed： VDwh（representing the relative protrusion of waist and hip）， Dbw（representing the depression degree in the lower waist）， HDht（representing the standing posture）， and Atk（representing the leg type）. Based on the classification results of morphologies， the morphology of "round" was selected to analyze the width， thickness and circumference of five characteristic parts under this morphology and a regression equation of the circumferences at the characteristic parts were established. The calculation models were verified through a comparison with the manual data. The results show that except that the maximum error at the thigh is 1.98cm， the absolute values of the errors between the predicted circumference values of characteristic parts and manual data are all within the range of 1.5cm， which shows that this circumference prediction method has high accuracy. The present study provides some technical support for the automatic generation of personalized pant templates for young women based on photos.

Key words： anthropometry; morphological classification; circumference prediction; regressionanalysis

隨着信息化时代的普及，以手工制作为主要工艺的传统服装行业正迅速朝着自动化、数字化方向发展。对于服装行业来说，服装合体度日趋受到生产厂商的重视，逐渐成为提升消费者满意度的主要因素，在裤装纸样设计中，合体度尤为重要，而人体重要部位的围度大小是影响合体度舒适度的重要因素[1-2]。

为了满足消费者的需求，国内外学者们对人体的特征部位进行了体型细分。Gupta[3]选取18～26岁的大学生作为实验对象，测量他们身上29个测量项目，运用数理统计的方法，将这500个实验对象细分成5种体型;Yoon等[4]提出采用三维空间矢量方向角的方法对人体的上侧面体型进行合理的分类;Vuruskan等[5]将人体的胸围、腰围、臀围等作为基本参数，并采用主观视觉分析方法，得出5种不同的人体体型;金娟凤等[6]以肩部曲线的曲率半径和矢额径比为指标研究肩部的横截面形态，将人体的肩部体型细分成4类;王丽等[7]在提取乳间距、胸围、乳点高等20个与胸部有关的参数数据后，进行PCA降维处理，细分胸部的截面形态;王祺明[8]通过自编程序获取人体胸腰臀3个部位的截面面积与围度平方，并以两者的商作为特征变量，将女性体型细分为3类;姚怡等[9]基于人体前后中心线、胸点、背突点、臀突点的矢状面曲线以及人体肩部、侧缝处冠状面曲线对人体纵截面体型进行分类。目前学者在体型分类方面的研究多集中在人体躯干部分，但关于人体下肢形态分类的研究较少，而人体下肢局部特征及其分类研究是裤装结构设计、舒适性、合体性研究及版型优化的重要基础，因此对下肢的研究也显得尤为重要。

除此之外，围度拟合预测也是目前学者研究的热点。夏明等[10]用椭圆傅里叶的形式描述人体特征部位的截面，并结合主成分以及回归分析方法， 实现由截面的宽度、厚度尺寸到断面形状的拟合，根据拟合结果对截面的围度进行预测;Wang等[11]在利用点云截面特征检测牲畜心围的测量位置的基础上，通过在测量位置对点云进行切片，实现心围点云，最后通过近似心围点云拟合曲线的周长，得到心围的长度来检测牲畜的心围位置。许家岩[12]采用二元回归法对体表角度分类后的人体颈部围度尺寸进行预测;Gu等[13]利用二维照片成像系统获取人体正面和侧面图像以提取正交轮廓，通过基于宽度和厚度测量的回归方程预测围度。李晓志等[14]在分析了Graham扫描法的缺点后提出先对人体的截面点集进行简化，再利用矢量积，确定出点集的凸包点，减少凸包顶点的迭代次数，最终计算出人体的围度尺寸的方法。但目前研究中使用的曲面模拟法很难精确获得复杂的女体特征部位截面形态，回归预测法也未对截面形态进行分类，从而导致预测围度值精度不高。

因此，本文首先对人体下肢形态进行分类，同时引入宽厚比作为二级分类变量探讨围度预测方法。先获取人体腰部、腹部、臀部、大腿根部和膝部5个特征部位的水平截面，测量各水平截面的宽度、厚度及围度等形态参数，将人体下肢形态进行分类。再以截面宽厚比进行二层分类，对特征部位的围度与其宽度、厚度进行相关分析和回归分析，回归模型的精度则依据预测值和手工测量值之间的误差进行检验。

1 人体测量实验

1.1 测量对象与方法

本实验的研究对象均为20～25岁的在校女大学生，身高介于150.0～170.0cm之间，体重介于40.00～67.00 kg之间。主要采用三维测量法对202名实验对象进行测量。被测者要求身穿淡色无胸垫内衣和白色紧身实验服，头戴淡色泳帽使其完全遮盖头发，摘除所有配饰（见图1）。三维测量法使用美国[TC]2三维人体扫描仪，扫描站姿（见图2）参照现行标准ISO 20685-1：2018 "3-D scanning methodologies for internationally compatible anthro-pometric databases"，要求被测者站在仪器指定位置，保持正常呼吸状态，双手轻握两侧定位扶手，身体自然放松，眼睛平视前方，保持静止状态30 s。

实验选择的202名实验对象的相关人体参数如表1所示。

表1为202名实验对象的基本尺寸信息。用K-S检验对腰围、腹围、臀围、大腿根围、膝围进行正态性检验，这5个围度的真显著性检验P值的下限为0.200，远大于0.05，验证了这组数据均满足正态分布，其中腰围、腹围、臀围、膝围的偏度系数和峰度系数均大于0，说明数据分布与标准正态的相比右尾较长，且分布更尖。

1.2 测量项目

实验选择女性下半身最有代表性的5个部位进行分析，包括人体腰部、腹部、臀部、大腿根部和膝部，定义见表2。

利用IMAGEWARE软件对三维人体扫描仪获取的人体点云进行二次测量，首先根据以上定义确定5个特征部位的位置，从而得到特征部位的水平截面，分别测量其宽度、厚度和围度值，测量示意如图3所示。

2 体型分析

2.1 聚类分析

将5个特征部位的宽厚比作为聚类变量，进行K-means聚类分析，综合手肘图、轮廓系数图和F统计量的观测值来确定最佳聚类数目。

2.1.1 手肘法和轮廓系数法

手肘法的核心指标为SSE，其计算式为：

SSE=ki=1p∈ci|p-mi|2（1）

式中：Ci是第i个簇，p是Ci中的样本点，mi是Ci的质心（Ci中所有样本的均值），SSE是所有样本的聚类误差，代表了聚类效果的好坏。轮廓系数法也是评价聚类结果好坏的一种方式，轮廓系数的值介于 [-1，1] ，越大代表内聚度和分离度相对越优，因此一般选择使系数较大所对应的k值。

根据图4手肘图以及图5轮廓系数图，结果显示分类数量在2类时最佳，在3类时分类结果较佳。考虑到人体体型的复杂性，分类数目2类较难体现体型的差异区分度。因此，考虑将聚类数目定为3或4类，并使用F统计量的观测值比较3类或4类的优越性。

2.1.2 F统计量观测值

通过ANOVA对数据进行单因素方差分析并评价F统计量的观测值，F值越大，表明组间差大，组内差小，越说明将数据聚成当前的K个类是合理的[15]。

表3数据显示，当聚类数目定为3类时，各聚类变量的F统计值均大于聚类数目为4时的F统计值，因此K值定为3较合适。

2.2 分类结果分析

将聚类数目定为3并进行聚类分析，聚类结果中的方差分析（ANOVA）结果如表4所示，结果显示5个聚类变量的sig.值均为0.000，因此可认为这5个聚类变量之间存在显著性差异，聚类结果合理。

为了更清晰地分析聚类结果，对3类体型的聚类中心进行相应的截面形状描述，图6所示为分类获得的3类体型对应的腰部、腹部、臀部、大腿根部和膝部的截面形态。

为了更直观地表征形态区别，以VDwh值（表征腰臀相对凸出量）、Dbw值（表征后腰的凹陷程度）、HDht值（表征站姿）、Atk值（表征腿型）4个维度来分析这3类形态，具体变量定义见表5和图6中（b）图所示。

其中变量HDht以及Atk中涉及的中心点Ch、Ct和Ck的确认方法如图7所示。对IMAGEWARE可视化处理后得到的特征截面曲线做最小外接矩形，最小外接矩形对角线的交点即为各特征部位截面的中心点。

从表6显示的3类体型下不同变量指标的均值中分析这3类体型的差异性，其中第1类体型VDwh均值最大，说明腰部相对臀部较凸出;第2类体型HDht均值较小，说明臀部到大腿根中心点的横向距离较小，且该类体型的Atk均值最大，说明大腿根部与膝部中心点的夹角角度最大;通过观察后腰的凹陷程度，发现第1，2类体型属于凹体，第3类体型属于平體。

根据分析发现每类体型的占比较均匀，具体形态分析如下：

第1类：该类体型为圆长型，腰臀的相对凸出量大，后腰较凹，自然分腿站立时膝盖相对内凹。

第2类：该类体型为圆润型，腰臀的相对凸出量较大，后腰较凹，自然分腿站立时腿外扩程度明显。

第3类：该类体型为扁长型，腰臀的相对凸出量小，后腰平直，自然分腿站立时分腿角度大且膝盖内凹。

3 围度拟合

以圆润体为例，并以此类别下各特征部位的宽度、厚度和围度为变量，使用SPSS软件进行相关分析和回归分析，建立各特征部位的围度计算模型。

3.1 相关性分析

人体各特征部位围度与此部位对应的宽、厚度之间存在一定的关系[16]，为研究两两之间的相关程度[16]，选择Pearson相关系数分别对5个特征部位进行相关性分析。其计算式为：

r=ni=1（xi-x）（yi-y）ni=1（xi-x）2ni=1（yi-y）2（2）

人体下肢各特征部位的围度与其对应的宽、厚度的Pearson相关系数如表7所示。

由表7可知，腰围、腹围、臀围、大腿根围和膝围5个特征部位的围度与其相对应的宽度和厚度的相关系数均大于0.75，且普遍大于0.9，显著性值都为0.000，表示每类特征围度与其宽度、厚度之间均存在一定的线性关系。

3.2 回归分析

对选择的圆润体的各特征部位进行围度拟合，利用散点图分析了各部位围度、宽度以及厚度之间的分布情况并验证其是否存在较为明显的线性关系。以图8腰部三维散点图为例，可以看出这3个数据大致呈线性分布，且其他部位的散点图也呈明显的线性分布。

因此假设围度拟合方程为Y=A0+A1X1+A2X2，其中自变量X1为各特征部位的宽度，X2为各特征部位的厚度，因变量Y为特征部位的围度，A0为常数项，A1和A2为系数值。表8中的调整后R2越接近1，说明回归方程对样本数据点的拟合优度越高。由表8可知，5个部位调整后的R2值均在0.9以上，因此，各特征部位围度与其宽度、厚度之间的回归方程拟合优度较高，表8也归纳了相对应的5个部位的回归方程。

为检验各回归方程的精确度，以圆润体为例，选取属于该类体型的另外30个实验对象的三维人体数据，测量其5个特征部位相对应的宽度、厚度以及围度，将实测围度值和回归方程下的围度预测值进行比较，误差值见表9。其中大腿根部的围度预测误差范围较大，最大误差值为1.98cm，主要因为大腿根部截面曲线形态较不规则，差异较明显，因此预测结果不太理想。其他部位误差绝对值均在1.5cm范围内，能够满足服装制作的要求。因此该回归方程可以直接用于预测各特征部位的围度值。

4 结 论

通过202名青年女性的三维点云数据获取人体腰部、腹部、臀部、大腿根部和膝部5个特征部位截面的宽度、厚度和围度等形态相关参数。根据各特征部位的宽厚比对青年女性下肢形态进行快速聚类，将青年女性的下肢形态分为3类，包括圆长型、圆润型、扁长型，并结合VDwh值（表征腰臀相对凸出量）、Dbw（表征后腰的凹陷程度）、HDht值（表征站姿）、Atk值（表征腿型）4个形态指标对这3类下肢形态进行描述。根据体型分类结果，基于各特征部位的宽度和厚度值建立围度预测模型，最后将手工测量值和回归预测值进行比较，结果表明此方法具有较高的准确性。此方法基于截面形态的合理分类，提高了围度值预测的精度，为基于照片的青年女性个性化样板自动生成提供一定的技术依据。

参考文献：

[1]杨楚欣.基于人体二维照片的女裙样版自动生成研究[J].纺织报告，2019（2）：27-31.

YANG Chuxin. Pattern generation of skirts based on 2D body images[J]. Textile Reports， 2019（2）： 27-31.

[2]季開宸.基于青年男体二维非接触测量系统围度拟合的完善[D].苏州：苏州大学，2014.

JI Kaichen. The Improvement of Circumference Fit Based on Youth Men's 2D Non-Contact Measurement System[D]. Suzhou： Soochow University， 2014.

[3]GUPTA D. Anthropometric study of young Indian men for garment sizing[J]. Research Journal of Textile and Apparel， 2010， 14（1）： 82-89.

[4]YOON MK， NAM Y J， KIM W. Classifying male upper lateral somatotypes using space vectors[J]. International Journal of Clothing Science and Technology， 2016， 28（1）： 115-129.

[5]VURUSKAN A， B ULGUN E. Identification of female body shapes based on numerical evaluations[J]. International Journal of Clothing Science and Technology， 2011， 23（1）： 46-60.

[6]金娟凤，庞程方，陈伟杰，等.青年男性肩点横截面曲线及其体型细分[J].纺织学报，2016，37（8）：100-106.

JIN Juanfeng， PANG Chengfang， CHEN Weijie， et al. Study on subdivision of young male's shoulder shapes and cross-section curve[J]. Journal of Textile Research， 2016， 37（8）： 100-106.

[7]王丽，李月，库茨米切夫·维克多，等.基于胸部形态的青年男性体型分类研究[J].服饰导刊，2019，8（4）：43-47.

WANG Li， LI Yue， Kuzmichev Victor， et al. Research on young male body classification based on breast shape[J]. Fashion Guide， 2019， 8（4）： 43-47.

[8]王祺明.基于人体三围截面面积的江浙地区女性体型分类[J].纺织学报，2016，37（5）：131-136.

WANG Qiming. Female body classification in Jiangsu ang Zhejiang based on cross-sectional area of body[J]. Journal of Textile Research， 2016， 37（5）： 131-136.

[9]姚怡，马静，吴欢，等.基于小波系数的青年女性体型分类及原型纸样[J].纺织学报，2017，38（12）：119-123.

YAO Yi， MA Jing， WU Huan， et al. Young female body shape classification and prototype patterns based on wavelet coefficient[J]. Journal of Textile Research， 2017， 38（12）： 119-123.

[10]夏明，王文玲，张文斌.人体特征断面形状拟合及围度尺寸预测[J].纺织学报，2014，35（8）：76-80.

XIA Ming， WANG Wenling， ZHANG Wenbin. Feature slice fitting and girth prediction using Elliptic Fourier[J]. Journal of Textile Research， 2014， 35（8）： 76-80.

[11]WANG K， ZHU D H， GUO H， et al. Automated calculation of heart girth measurement in pigs using body surface point clouds[J]. Computers and Electronics in Agriculture， 2019， 156： 565-573.

[12]许家岩.人体体表形态下的颈围尺寸预测[J].辽宁丝绸，2016（4）：52-53.

XU Jiayan. Prediction of the neck circumference based on the body surface morphology[J].Liaoning Tussah Silk， 2016（4）： 52-53.

[13]GU B F， LIU G L， XU B G. Girth prediction of young female body using orthogonal silhouettes[J]. Journal of the Textile Institute， 2017， 108（1）： 140-146.

[14]李曉志，李晓久，刘皓.基于人体截面点云的围度尺寸计算[J].纺织学报，2019，40（7）：128-132.

LI Xiaozhi， LI Xiaojiu， LIU Hao. Calculation of circumference size based on human body section point cloud[J]. Journal of Textile Research， 2019， 40（7）： 128-132.

[15]洪楠.SPSSforWindows统计分析教程[M].北京：电子工业出版社，2000：119-130，203-236.

HONG Nan. SPSS for Windows Statistical Analysis Tutorial[M]. Beijing： Electronic Industry Press， 2000： 119-130，203-236.

[16]李臻颖，苏军强，吴志明.青年女体三维扫描数据的特征围度计算方法[J].纺织学报，2017，38（5）：110-114.

LI Zhenying， SU Junqiang， WU Zhiming. Calculating method of characteristics girth of young female body by 3-D scanning data[J]. Journal of Textile Research， 2017， 38（5）： 110-114.