论文部分内容阅读
随着非接触式人体测量技术的发展,人体数据的采集越来越容易。如何从众多的三维扫描数据中提取出人体体型的关键特征参数,对人体体型进行分析是当前研究的热点。为了实现对人体体型快速准确的识别,课题构建了根据基本部位典型指标来直接判别人体体型的概率神经网络分类预测模型;为了实现各类别体型信息数字化并进行存储,课题建立了基本部位不同围度截面曲线特征点坐标与典型特征指标的参数化方程,即根据典型指标直接获得人体基本特征部位的三维坐标值,重现各类人体基本部位的体型特征。
首先,课题采用美国[TC]2三维人体测量仪对300名在校女青年进行人体测量,获取人体体型数据信息;通过数理统计方法,确定了反映青年女性人体体型特征的四个基本部位:肩部、胸部、腰部与臀部。
其次,通过R型聚类法,提取了肩部特征的3个典型指标,胸部特征的6个典型指标,腰部特征的4个典型指标,臀部特征的6个典型指标;采用快速聚类法,依据各典型指标将肩部体型划分为5类,胸部体型划分为4类,腰部体型划分为5类,臀部体型划分为5类;通过方差分析,建立了细化的人体体型表。
再次,在分析概率神经网络(PNN)的基本原理及其结构模型的基础上,运用MATLABR2009a软件构建了肩部、胸部、腰部和臀部四个基本部位的概率神经网络模型,完成了人体躯干部位体型的快速准确识别。
然后,针对基本部位截面曲线,以5°为间隔,确定了特征点个数为72个,运用MATLAB软件实现了各特征点坐标的提取,并对特征点坐标进行了关于典型指标的多元线性回归分析,建立了相应的多元线性回归方程,得到了人体体型信息的参数化方程。
最后,依据参数化方程,利用MATLAB软件实现了人体体型信息的数字化、三维可视化。
因此,课题研究在实现人体体型快速准确识别和人体体型信息数字化、参数化的同时,也为计算机辅助设计、网上虚拟试衣及网上服装销售奠定技术基础。