非接触式测量技术凭借快速、准确、效率高等优势受到广泛的使用,具有代表性的非接触式测量技术有莫尔条纹法、白光相位法和激光测量法。随着互联网的出现,在线量身定制的需求不断增加,人体尺寸的获取面临更大的挑战。为了满足远程在线定制服装更加方便快捷的要求,基于移动设备进行人体测量的技术正在成为研究的焦点。近几年,国内外围绕基于移动设备人体测量技术的研究主要是集中在人体大数据的获取与分析,因此运用机器学习和迁移学习的方法消除在着装状态下服装带来的影响从而获得人体净体尺寸是研究的关键所在。本课题研究内容如下:第一部分:人体大围度松量分类模型数据集的构建。共分为两个步骤,第一,数据获取,分为三个途径,一是通过在服装电子购物网站上搜索男子着装衬衫的图片4744张,二是在实验室实际拍摄图片200张,三是通过数据增强的方法获取图片1800张,以满足大围度（1）松量（2）分类模型精准度的需要。第二,数据处理。首先,对所获取的图片进行标注,每张图片以大围度松量进行命名,方便后面对图片进行分类;其次,本文主要对胸围和腰围两个大围度进行研究,为了不受标签的影响,把分类文件夹用字母表示,其中胸部分类依次为chest A、chest B、chest C、chest D、chest E、chest F、chest G、chest H、chest I、chest J、chest K、chest L,共12个类别,chest A代表松量范围为-∞-0 cm,chest B代表松量范围为0-2cm,chest C代表松量范围为2-4 cm,chest D代表松量范围为4-6 cm,chest E代表松量范围为6-8 cm,chest F代表松量范围为8-10 cm,chest G代表松量范围为10-12 cm,chest H代表松量范围为12-14 cm,chest I代表松量范围为14-16 cm,chest J代表松量范围为16-18 cm,chest K代表松量范围为18-20 cm,chest L代表松量范围为20-+∞cm。腰部分类依次为waist A、waist B、waist C、waist D、waist E、waist F、waist G,共7个类别,waist A代表松量范围为6-11cm,waist B代表松量范围为11-16 cm,waist C代表松量范围为16-21 cm,waist D代表松量范围为21-26 cm,waist E代表松量范围为26-31 cm,waist F代表松量范围为31-36 cm,waist G代表松量范围为36-41 cm。最后,依据上述分类将图片分别对应到相应的松量分类文件夹中。第二部分:人体大围度松量分类模型的构建。首先,大围度松量是影响着装下人体测量的一个主要因素,因此,利用迁移学习的方法构建人体大围度松量分类模型。其次,基于机器学习和迁移学习的原理,确定网络模型的结构参数。最后,调试胸围松量分类模型精准度为86.69%,腰围松量分类模型精准度为81.36%,并拍摄30组照片进行测试,验证本文模型的可行性。第三部分:人体大围度尺寸模型的构建。首先,将胸腰部松量范围值转化为一个特定的值,以便计算人体大围度净尺寸;其次,运用python语言编写人体大围度尺寸模型,即将人体成衣尺寸模型与人体大围度松量分类模型结合。最后,将获取的人体大围度成衣尺寸与大围度松量分类模型得到的松量做差,获取人体大围度尺寸。第四部分:人体大围度尺寸模型的验证。首先,拍摄30个被测试者,上传至人体大围度尺寸模型中;其次,手工测量被测试者的净体大围度尺寸,将模型所得结果与手工测量值做对比;最后,结果表明30个人的胸围平均误差为0.5cm,腰围平均误差为1.36cm,证明本文模型可行。综上,本文通过迁移学习的方法构建着装下人体围度松量模型获取人体围度松量,并基于此松量值构建人体大围度尺寸估计模型,以此获取人体大围度的尺寸,实现基于移动设备获取人体大围度尺寸,解决远程在线定制中人体测量困难的问题。