对人体形态的良好把控是服装结构设计的基础,基于人体曲线形态进行体型分类于服装行业而言有着极为重要的意义与价值。此外,服装数字化技术作为当前的研究热点,切实有效地推进了行业的发展,因而有必要将体型分类研究的结果进一步应用于数字化技术之中。本课题基于曲线形态完成女性躯干体型的分类,并依据分类结果进行躯干模型重建。首先利用人体的三维点云数据提取躯干轮廓曲线,并对其进行椭圆傅里叶变换,获取可用于客观描述曲线形态的椭圆傅里叶描述子。其后对描述子进行主成分分析,以分析所得的主成分得分为依据,结合K-means聚类方法完成样本躯干体型类别的划分。进一步依据躯干长及胸围对类别展开细化分组处理,并对组内提取方式相同的多条轮廓曲线进行拟合,利用拟合曲线进行线框模型的搭建,并于Blender软件中完成曲面模型的封装。最后将重建模型与当前常用的160/84A标准人台进行对比分析,完成重建模型的有效性验证。课题主要研究内容和结论如下所示:（1）利用[TC]~2三维扫描仪采集实验对象的体表点云数据;依靠Meshlab软件、Geomagic Wrap软件进行点云模型的预处理,并提取颈部、肩部、胸部、下胸、腰部、腹部、臀部、正中矢状、过胸凸矢状及过臀凸矢状等多种轮廓曲线。此次实验共采集样本212份,其中有效样本192份。（2）采用椭圆傅里叶变换对过胸凸矢状轮廓曲线的形态进行描述。首先依据不同谐波次数下的拟合效果图及拟合误差值,确定以平均拟合误差均值为0.927mm、低于三维扫描仪的输出精度1mm的谐波次数15为实验用最大谐波次数。其后以过胸凸矢状轮廓曲线经椭圆傅里叶变换获取的60项椭圆傅里叶描述子完成对其形态的客观描述。（3）利用椭圆傅里叶描述子进行躯干体型分类。首先,以主成分分析法完成椭圆傅里叶描述子的降维处理,结果显示11项主成分可反映约82.5%的原始数据信息,且各成分均能够在一定程度上反映曲线的形态特征。利用混合F统计量确定最佳分类数为5,选用K-means聚类分析法,以11项主成分的得分为依据,完成样本躯干体型的分类。对各类间的形态差异进行对比分析,结果显示:1)第Ⅰ类相较于其他类别而言整体形态偏厚实,胸部以及腹部凸起程度大,臀部较为丰满,且后腰弯曲程度偏大;2)第Ⅱ类相较于其他类别而言整体形态偏扁平,肩部后倾程度较大,胸部凸起程度相较于其他类别明显偏小,腰部较细,腹部以及臀部较为平坦,后腰处弯曲程度较大;3)第Ⅲ类的整体形态较为适中,肩部稍显向后倾斜,腹部略微凸起;4)第Ⅳ类的整体形态略微厚实,肩部稍显向前倾斜,胸部、腹部较为凸起;5)第Ⅴ类的整体形态较为厚实,胸部凸起程度大,腹部较为凸出,臀部较为丰满,后腰弯曲程度偏小。椭圆傅里叶变换可较好地描述人体曲线的形态特征;椭圆傅里叶描述子可用于人体体型的分类研究之中。（4）以躯干长与胸围为依据完成躯干体型类别的进一步细分,并基于细分结果,选用椭圆傅里叶系数求均值法,对各组内用同一方式提取的轮廓曲线进行整合处理,以获取拟合曲线用于线框模型的搭建。（5）利用拟合曲线完成线框模型的搭建工作,最终于建模软件中完成曲面模型的重建。对重建模型的形态进行对比分析,结果显示模型于类间存在显著差异,而于类内则具有较好的相似度。进一步将重建模型与160/84A标准人台进行比较,计算重建模型与样本间以及人台模型与样本间的最大正误差、最大负误差、正平均误差、负平均误差、整体平均误差及RMSE等指标,并分别对同类指标进行两两对比分析,结果显示:1)重建模型的整体平均误差服从以0为均值的正态分布,模型具有统计意义。2)重建模型的最大正误差、最大负误差、正平均误差、负平均误差及RMSE值均显著小于人台模型。与人台模型相比,重建模型的RMSE均值下降了1.841mm。3)重建模型与对应样本之间的形态相似程度更高,基于躯干体型分类结果对三维人体模型重建,可以有效提高重建模型与对应群体之间的契合程度。