论文部分内容阅读
在我国大力推进品牌自主创新的时代背景下,如何提高服装品牌的自主研发能力,由“中国制造”转化为“中国创造”,将流行时尚的产品设计打造为品牌的核心竞争力是当下我国服装产业需要深思的课题。对于消费者而言,除了服装颜色、纹理和材料等因素外,衣服的外廓型也是在选择购买服装过程中的重要参考因素。相比其他因素,可以说服装外廓型是服装设计的起点。因此,在服装的创新设计中,服装廓形设计显得尤为重要。但事实上,针对服装廓形的相关研究还存在一定的空白,比如服装廓形的标准化定义、服装廓形的智能识别、以及服装廓形流行趋势预测的相关研究等还显得不足。另一方面,每年服装趋势发布都会产生大量的服装图片,这些图片包含了各种流行趋势信息,但由于数量巨大且较难对信息进行提取,所以往往都未能好好利用,设计师们不知如何将其转化为设计灵感并体现在具体的产品设计中。面对大数据带来的挑战,服装设计领域急需更为高效、智能的工具手段帮助设计师挖掘海量数据背后的可用信息。本文跨学科地借助先进的计算机技术,根据服装走秀的静态图片,进行服装廓形智能化识别、提取及测量,随后在数据挖掘的大框架下,以廓形变化较为丰富的女装品类为着眼点,提出一种基于BP神经网络的女装廓形流行趋势预测系统,旨在为服装品牌和设计师提供快速、便利、准确的女装廓形趋势方向,提供女装原创设计的新思路。首先,本文对常见的人体分割算法、人脸检测方法、皮肤检测方法、图像分割等相关技术进行了简单的介绍,并着重针对本文采用的几项关键技术,如最大后验概率模型、图割等算法原理进行了阐述。随后,利用近年来迅速发展的计算机技术,结合多个数学模型,对大样本图像数据进行批量处理,结合最大后验概率模型作为模拟服装模特可能存在的躯干模型完成对图像中着装模特的识别检索,并利用图割技术对静态目标人体进行提取,利用Hough变换法自动记录各个部位的水平位置两侧端点宽度,记录人体以及服装相关尺寸,搭建女装廓形基础尺寸数据库,从而为服装廓形从人们往往偏向于感性的定义到标准化、数字化的定义提供了条件。同时,本文针对尺寸提取过程中可能出现的各种情况进行了分类讨论,充分考虑了无法测量到肩部相关尺寸(抹胸造型)与膝盖处相关尺寸(短装造型)等特殊情况,并创新性地提出了“突变点”的概念,以有效提取廓形数字化信息。最后,根据细分后的不同情况对服装进行精准测量,让提取后的结果更具可信性。在该服装尺寸数据库构建的过程中,本文详细地提供了女装廓形相关基础尺寸测量方法和流程,为女装的廓形判断提供了必要的数字化试验数据。其次,对于服装廓形并没有统一的标准化定义,为了解决廓形数字化研究的难题,本文创新地提出一种女装廓形数字化分类标准。该方法结合各个女装基础廓形的外观特征,着重对五大基础廓形(A形、H形、T形、O形、X形)以及常见的S形廓形进行了数字化定义。针对影响服装廓形的人体三大区间,即肩部和腰部之间、腰部和臀部之间、臀部和膝盖之间,探讨了各个部位之间不同角度的变化区间,对可能出现的各种情况进行分区讨论。同时,本文将女装分成6种常见的着装情况,分别为:1.有腿部造型且服装廓形连续;2.齐臀且服装廓形连续;3.有腿部造型且肩腰之间存在突变点;4.有腿部造型且腰臀之间存在突变点;5.有腿部造型且臀膝之间存在突变点;6.齐臀且在肩腰或腰臀之间存在突变点,基于这6种着装情况分别对其进行精细化的廓形分类,从而将描述型定义转化为便于数据运算和数据挖掘的数字化信息,该分类标准便于品牌和设计师更为准确地分析女装趋势。然后在此廓形分类基础上,指导系统对廓形进行智能化的分类识别,便于设计师快速、批量识别女装廓形。经试验验证其识别精度达到93%左右,具有可操作性。该女装廓形识别功能的实现建立了女装廓形评判标准,可以避免不同人群因主观判断的不同,在进行廓形分析或讨论时就廓形判断产生差异,同时可以利用计算机,智能高效地对批量服装进行廓形识别,极大程度地提高了工作效率。最后,本文总结了目前服装相关的流行趋势发布现状、影响因素、一般流程等。同时对于数据挖掘理论、时间序列数据挖掘、BP神经网络等相关工具模型的概况和原理进行了阐述。针对女装廓形流行趋势预测的研究空缺,本文在女装廓形基础尺寸数据库及智能识别系统的基础上,基于数据挖掘的大框架,结合BP神经网络时序数据挖掘预测模型,构建了一种女装廓形趋势预测系统。并对15个国际一线女装品牌11季秀场的图片数据进行数据挖掘,对已识别的女装廓形进行进一步的智能趋势预测,为品牌和设计师提供女装廓形设计参考。通过对历史廓形数据的分析挖掘,从中提取出了合理而重要的廓形结论,且系统模型的误差直方图和输出与目标对比图都充分证明了预测模型的准确性,利用该系统对历史数据的计算和预测得到了6大廓形近期未来的趋势走向。本文的创新点主要表现在以下四个方面:(1)实现女装廓形及相关尺寸的智能提取本文结合了多个数学模型,利用计算机实现了静态人体的自动分割,以及人体及女装廓形基础尺寸的自动提取,构建了智能女装廓形基础尺寸数据库。由于女装设计的多样性,本文针对几大主要的款式分类制定了相应的测量规则,从而确保准确而全面地对女装廓形基础尺寸进行提取。基于服装走秀的静态图像数据库,本文提供了女装廓形相关基础尺寸测量方法和数据库构建流程,为女装的廓形判断提供基础试验数据。(2)提出女装廓形数字化分类标准本文创新性地对6大廓形(A形、H形、T形、O形、X形和S形)进行了数字化定义。该定义结合6大服装廓形的外观特征,以支撑服装的女性人体主要部位(肩部、腰部、臀部和膝盖)之间服装外轮廓的角度变化为依据,通过对角度的计算、分区和组合,得到了不同廓形的标准数字化定义,避免了服装设计师主观判断服装廓形所造成的误差,便于设计师更为准确地分析女装廓形趋势,同时为今后长期服装廓形理论研究提供数字化分析这一必要条件。(3)实现女装廓形的智能识别本文在6大廓形数字化定义的基础上,将女装分成6种常见的着装情况,根据不同着装效果的外观特性调整廓形分类,给出相应的识别规则,最终实现计算机对女装廓形的智能化识别,便于品牌和设计师快速、批量识别女装廓形,提高廓形判断的准确性和效率,为女装廓形趋势预测分析提供有效的基础技术支持。(4)构建女装廓形智能趋势预测系统本文在数据挖掘的技术框架下,对计算机智能识别的女装廓形进行进一步的趋势预测。该预测系统根据女装廓形数据的时序性特征,以BP神经网络模型为具体挖掘工具,以历年女装品牌服装廓形为试验数据,预测并检验了该趋势预测方法的准确性。该系统的构建为设计师提供了女装廓形趋势预测的一种有效方法,为服装廓形设计提供了可靠的依据。