随着Internet技术的兴起与发展,服装电子商务产业发展日趋成熟,网上销售已成为服装产品销售及推广的重要手段。在目前的网络服装销售中,最大的难点就在于人们在购买前无法察看适合自身体型的虚拟试衣效果。因此,可以满足消费者合体性虚拟试衣的网络服装定制系统是服装电子商务产业的发展趋势。在网络服装合体性定制系统中,用户体型特征参数起着非常重要的作用。如何实现人体特征点的自动定位,获取异地用户的体型特征参数,并展示适合其自身体型特征的虚拟试衣效果,是网络服装合体性定制系统亟需解决的技术难题。针对上述问题,本课题依托于2013陕西省科技厅自然基金项目“人体和服装PDM(Point Distribution Model,简称PDM)建模及其在虚拟试穿中的应用”(编号:2013JM8034),对人体主动形状模型(Active Shape Model,简称ASM)建模技术及其在虚拟试衣中的应用展开研究,完成的主要工作包括:(1)提出了一种基于ASM的人体建模及特征点定位方法。对三维人体扫描仪扫描得到的人体体型数据建立训练样本集,提取人体体型图像特征点,并对训练样本集进行对齐操作和主成分分析,完成人体PDM模型的建立,获取了控制人体整体形状变化的形状参数,实现了人体整体形状的参数化变形,并获得了人体各特征区域的最大最小形变范围,为后续服装区域变形提供了科学依据。(2)建立了与人体训练样本图像中的每个特征点一一对应的ASM局部纹理模型,并对其统计分析得出人体图像上各个特征点的灰度分布规律,利用搜索算法实现了人体图像特征点的自动定位,获取了用户的体型特征参数。(3)对传统ASM建模及特征点定位算法进行了有效改进,并对改进前后的算法效果进行了对比分析。针对传统Procrustes归一化方法需要多次迭代且计算量大的缺陷,采用标记定位点的方法,以平均形状作为初始化规则模型,无需迭代即可完成训练集的对齐;同时还对传统ASM方法中等同看待各特征点邻域内的每一候选点而导致灰度相似的两个特征点无法辨别的缺陷,引入了候选点的局部加权纹理统计模型,并采用“由粗到精”的多分辨率搜索方法。实验结果表明,采用改进的ASM方法进行人体特征点定位,减少了迭代次数,缩短了运行时间,提高了定位精度。(4)根据获取的用户体型特征参数,以原型服装作为基础模板,在自动划分各特征区域的基础上,采用线性插值算法进行服装区域变形,最终实现了符合用户自身体型特征的虚拟试衣效果展示。