随着我国老龄化程度加深和居民消费水平的提高,中老年服装市场具有极大的开发潜力。中老年群体的审美能力、自我意识不断加强,对服装的功能性、合体性需求增加。中老年女性肌肉、骨骼的发达程度和脂肪的沉积状态发生改变,构成了他们复杂的体型,购买到适体性强的服装成为一大难题。现行号型标准年龄跨度大,未按年龄层细分,对中老年体型精准细分是满足中老年女性对服装合体性要求的前提。基于此问题,本课题对中老年女性体型进行细分,并对体型进行预测,构建体型识别系统,主要研究内容和结论如下:（1）青年女性和中老年女性体型对比分析:通过预实验对181名青年女性和180名中老年女性的样本数据进行描述性统计分析、横截面及纵截面形态的对比分析,证明中老年女性与青年女性的体型在围度因子方面差异明显,同一号型的中老年女性与青年女性的体型存在一定差异,中老年女性普遍存在凸肚体情况,证明对中老年女性体型细分是十分有必要的。（2）中老年女性体型分类指标获取:获取350名40-75周岁的中老年女性的三维人体数据进行体型研究。提取腰腹臀部的横截面曲线,使用三次样条插值法对横截面曲线进行拟合,在横截面曲线[-90°,90°]范围内每隔5°提取曲率半径。通过对曲率半径数据分析,提取局部最小值和横矢径比分别作为表征腰腹臀部横截面形态的特征变量。（3）中老年女性腰腹臀部体型细分:使用K-means聚类算法以表征腰腹臀部横截面形态的特征变量作为聚类指标进行聚类分析,利用手肘法确定最佳分类数目,最终将腰部体型分为4类,腹部体型分为3类,臀部体型分为4类;并建立人体测量尺寸与各部位特征点曲率半径的回归模型。（4）中老年女性腰腹臀部体型识别模型构建:利用BP神经网络、基于遗传算法优化的支持向量机、AdaBoost算法分别构建腰部、腹部、臀部的体型识别模型。对于腰部体型识别模型,三种算法的识别准确率分别为94.28%、95.71%、94.28%;对于腹部体型识别模型,三种算法的识别准确率分别为95.71%、97.14%、100%;对于臀部体型识别模型,三种算法的识别准确率分别为88.57%,91.42%、100%,最终选择AdaBoost算法搭建体型识别系统。（5）本课题建立了中老年女性腰腹臀部体型识别系统,通过对人体测量尺寸数据的读取,自动计算相应特征变量,实现体型分类和体型信息的数字化展示。本课题通过获取三维人体测量实验采集的人体数据,研究江苏地区中老年女性腰腹臀部的体型,通过提取横截面曲线的特征变量细分腰腹臀部体型,利用机器学习算法搭建体型识别系统,旨在推动服装数字化、自动化的发展。