论文部分内容阅读
根据人体体型特征对体型进行分类的相关研究在纺织服装应用领域有着重要的应用价值。通过对人体体型分类来指导服装产业的生产和服装版型的设计,有助于设计出兼具美观及合体性的服装。因此通过研究人体体型特征对体型进行分类有着重要的意义。本课题首先对通过扫描获得的人体点云数据进行处理,提取过人体中心线的纵截面特征曲线。然后利用椭圆傅里叶方法拟合人体纵截面特征曲线。使用转向角函数方法对拟合后的人体纵截面特征曲线进行参数化处理,并通过分析转向角函数曲线来分析不同人体之间存在的差异,提取了可以表征这些差异的特征指标。最后采用K-Means聚类算法实现了基于人体纵截面特征曲线的体型分类,并利用相关性分析验证了分类效果的有效性。本课题的研究工作主要包括以下几点:(1)人体纵截面特征曲线的提取。为了得到人体纵截面特征曲线,使用三维扫描仪扫描人体得到三维人体点云数据,运用Geomagic studio软件提取过人体中心线的纵截面特征曲线。(2)人体纵截面特征曲线的拟合。人体纵截面特征曲线是一根闭合的曲线且存在部分噪声,本文采用椭圆傅里叶方法对该曲线进行拟合,在保留原曲线特征信息的前提下进行降噪处理。并通过对不同谐波次数的拟合效果进行误差分析确定最大谐波次数为15。(3)人体纵截面特征曲线特征分析。为了将人体纵截面特征曲线参数化,本文采用转向角函数方法将椭圆傅里叶拟合后的人体纵截面特征曲线转化为转向角函数曲线。并通过分析转向角函数曲线之间的差异提取了5个特征指标。为了提高特征指标的针对性,对特征指标进行了主成分分析,最后选用贡献率较高的三个主成分代替特征指标。(4)基于人体纵截面特征曲线的体型分类。根据人体纵截面特征曲线的主成分分析结果,以前三个主成分为分类指标进行聚类分析。本文采用K-Means聚类算法对人体纵截面特征曲线进行分类研究,采用伪F统计函数决定最佳类别数目。通过对各类样本进行相关性分析验证分类结果的有效性。分析结果显示每类体型样本的相关度平均值均大于0.9属于极高相关,且远大于全部样本的相关度平均值。由此证明了分类的有效性,达到了对人体体型进行分类的目的。