鄧椿山， 李 琴， 周 莉， 張龍琳

(1. 西南大學(xué) 紡織服裝學(xué)院， 重慶 400715；2. 西南大學(xué) 重慶市生物質(zhì)纖維材料與現(xiàn)代紡織工程技術(shù)研究中心， 重慶 400715)

體型分析在觀測(cè)服裝號(hào)型適應(yīng)性上的應(yīng)用

鄧椿山1，2， 李 琴1，2， 周 莉1，2， 張龍琳1，2

(1. 西南大學(xué) 紡織服裝學(xué)院， 重慶 400715；2. 西南大學(xué) 重慶市生物質(zhì)纖維材料與現(xiàn)代紡織工程技術(shù)研究中心， 重慶 400715)

針對(duì)當(dāng)前國(guó)內(nèi)外缺失觀測(cè)特定人群的服裝號(hào)型適應(yīng)性這一現(xiàn)狀，提出以體型分析為基礎(chǔ)的服裝號(hào)型適應(yīng)性觀測(cè)方法，通過(guò)捕獲人體的三維數(shù)據(jù)，從數(shù)據(jù)集群中選擇服裝號(hào)型分類變量的主成分，帶入我國(guó)服裝號(hào)型標(biāo)準(zhǔn)中進(jìn)行驗(yàn)證。依據(jù)多組K均值聚類分布結(jié)果，結(jié)合驗(yàn)證后的號(hào)型覆蓋率和檔差關(guān)系選取最優(yōu)K值，觀測(cè)聚類中心的數(shù)值和分布圖，描述該樣本的服裝號(hào)型適應(yīng)性。結(jié)果表明：測(cè)量對(duì)象的差異性對(duì)號(hào)型分類變量的選取有直接影響，該服裝號(hào)型適應(yīng)性觀測(cè)方法能夠得到觀測(cè)對(duì)象的體型發(fā)展趨勢(shì)、服裝號(hào)型覆蓋率和檔差調(diào)整方案、具體的“號(hào)”與“型”對(duì)應(yīng)關(guān)系，提高了服裝市場(chǎng)調(diào)研和生產(chǎn)計(jì)劃的準(zhǔn)確性。

體型分析； 服裝號(hào)型； 適應(yīng)性；K均值聚類

由我國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)和國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局發(fā)布的服裝號(hào)型GB/T 1335.1—2008《服裝號(hào)型 男子》，GB/T 1335.2—2008《服裝號(hào)型 女子》和GB/T 1335.3—2008《服裝號(hào)型 兒童》歷經(jīng)了1981年、1991年、1997年、2008年4個(gè)版本的修訂。隨著信息化在各行業(yè)的持續(xù)深入，我國(guó)服裝號(hào)型的統(tǒng)計(jì)和分析工作面臨著更高層次的要求。近幾年內(nèi)，非接觸式三維掃描在服裝學(xué)科應(yīng)用的興起，從手工測(cè)量向自動(dòng)化、數(shù)字化轉(zhuǎn)變的趨勢(shì)越發(fā)明顯，電子化量身定制(E-MTM)服裝生產(chǎn)將成為服裝業(yè)的重要發(fā)展方向[1-2]。

2001年英國(guó)設(shè)立了人體數(shù)據(jù)庫(kù)SizeUK項(xiàng)目，是世界上首個(gè)采取人體掃描作為首要手段來(lái)獲取測(cè)量數(shù)據(jù)的全國(guó)性人體尺寸調(diào)查[3]。近幾年,隨著人體掃描項(xiàng)目在我國(guó)的開展，基于體型分析的服裝號(hào)型研究普遍通過(guò)控制部位的主成分分析得到分類變量數(shù)值，再利用K均值聚類法進(jìn)行分類，對(duì)除身高外的其他數(shù)值的平均數(shù)進(jìn)行檔差計(jì)算[4-6]。此外，也有通過(guò)建立體型類別(基于控制部位的不同描述方法)與相應(yīng)的數(shù)據(jù)段落，建立回歸方程，反求體型分類[7-8]。以上2種正向與逆向的方法均涉及體型的分類判別模型，即形體指標(biāo)的重要特征變量。Width-height獨(dú)立評(píng)分方法則是在2個(gè)維度上分離相關(guān)性進(jìn)行的人體體型探討[9]。在過(guò)去的研究中，作為劃分法的K均值聚類，利用循環(huán)定位技術(shù)將對(duì)象從一個(gè)劃分移到另一個(gè)劃分來(lái)幫助提高劃分質(zhì)量[10],K預(yù)設(shè)通常依據(jù)主觀經(jīng)驗(yàn)，后通過(guò)最優(yōu)距離算法去判定K值。這種方法雖然在數(shù)值上能夠推算出最優(yōu)K值，但數(shù)值最優(yōu)并不能代表此K值在觀測(cè)意義上的準(zhǔn)確性。

本文通過(guò)體型數(shù)據(jù)的分類變量推算，提出了以分類變量的檔差情況結(jié)合K均值聚類分布圖的離散程度逆向選取K值的方法。系統(tǒng)地整理了從體型數(shù)據(jù)收集到觀測(cè)服裝號(hào)型適應(yīng)性的全流程，這種觀測(cè)方法能夠?qū)嶋H地描述K值的選擇意義、觀測(cè)對(duì)象的體型發(fā)展趨勢(shì)、服裝號(hào)型覆蓋率、檔差調(diào)整方案和具體的號(hào)與型的對(duì)應(yīng)關(guān)系。

1 體型數(shù)據(jù)的獲取與預(yù)處理

1.1 體型數(shù)據(jù)的獲取

測(cè)量方法：依據(jù)GB/T 23698—2009《三維掃描人體測(cè)量方法的一般要求》，采用非接觸式三維掃描(光柵法)捕獲人體的點(diǎn)云數(shù)據(jù)，通過(guò)反求軟件得到人體的三維視圖。針對(duì)模型漏洞進(jìn)行逆向修補(bǔ)，依據(jù)模型截面計(jì)算體型測(cè)量部位的圍度長(zhǎng)與高度數(shù)值，將數(shù)據(jù)錄入相關(guān)分析軟件(SPSS和MatLab)中進(jìn)行體型數(shù)據(jù)集群的統(tǒng)計(jì)學(xué)分析和號(hào)型重組。

使用北京博維恒信科技發(fā)展公司的3D CaMega光學(xué)掃描儀(六探頭)測(cè)量體型數(shù)據(jù)，人體點(diǎn)云數(shù)量約180萬(wàn)個(gè)，測(cè)量精度達(dá)到0.2 cm。

測(cè)量對(duì)象為西南地區(qū)在校女大學(xué)生，年齡范圍為18～25歲。測(cè)量部位為身高、頸圍、胸圍、腰圍、臀圍、前腰節(jié)長(zhǎng)、前胸寬、全臂長(zhǎng)、后背長(zhǎng)、肩寬、后背寬、前后腋間距、頸椎點(diǎn)高、上身長(zhǎng)、下身長(zhǎng)。

1.2 集群數(shù)據(jù)的預(yù)處理

1.2.1 樣本量計(jì)算

在簡(jiǎn)單隨機(jī)抽樣的條件下，樣本量n的計(jì)算公式為

式中：Z代表95%置信水平下的統(tǒng)計(jì)量為1.96；S為總體的標(biāo)準(zhǔn)差；d為樣本允許誤差。依據(jù)我國(guó)服裝號(hào)型標(biāo)準(zhǔn)GB/T 1335.2—2008《服裝號(hào)型 女子》規(guī)定的成年人體各部位尺寸的標(biāo)準(zhǔn)差和最大容許誤差，以腰圍為基礎(chǔ)的樣本量人數(shù)n最大為173人。為覆蓋樣本量并保證異常值的補(bǔ)錄問(wèn)題，選取191人(1.1n)為樣本量進(jìn)行測(cè)量。

1.2.2 異常值檢查

對(duì)測(cè)量數(shù)據(jù)進(jìn)行箱線圖檢查，在191個(gè)有效數(shù)據(jù)中剔除明顯的異常值。剔除胸圍異常值119號(hào)、28號(hào)進(jìn)行重新測(cè)量，補(bǔ)錄數(shù)據(jù)。

1.2.3 描述統(tǒng)計(jì)量

表1示出描述統(tǒng)計(jì)量，樣本量n中數(shù)據(jù)胸腰差的極小值與極大值范圍均超過(guò)國(guó)家標(biāo)準(zhǔn)的號(hào)型分檔范圍Y、C。

表1 描述統(tǒng)計(jì)量Tab.1 Descriptive statistics

2 與國(guó)家成年女性體型的對(duì)比

表2示出西南地區(qū)女大學(xué)生體型與國(guó)家統(tǒng)計(jì)成年女性的Z分?jǐn)?shù)(Z>0，則觀測(cè)值為增大趨勢(shì)；Z<0，則觀測(cè)值為減小趨勢(shì)。可以看出，西南地區(qū)女大學(xué)生的身高、胸圍、腰圍均大于全國(guó)成年女性，且腰圍增大明顯，導(dǎo)致了胸腰差小于全國(guó)成年女性，偏胖體型趨勢(shì)顯著。臀圍較全國(guó)成年女性相比較小，導(dǎo)致臀胸差的均值較小。

表2 樣本女體與全國(guó)成年女體對(duì)比

3 服裝號(hào)型分類變量分析

表3示出主成分矩陣。由表可知，體型主要的5個(gè)控制部位為：腰圍、臀圍、臀胸差、胸腰差、胸圍。

表3 主成分矩陣Tab.3 Principal component matrix

我國(guó)服裝號(hào)型主要通過(guò)身高和胸腰差作為分類變量，包含Y、A、B、C這4種號(hào)型，如Y體型胸腰差范圍為19～23 cm，并以4 cm為檔差遞減。表4示出在C體型(偏胖體型)4～8 cm的分檔之外另有14組數(shù)據(jù)，為驗(yàn)證國(guó)家與國(guó)際服裝號(hào)型在本文數(shù)據(jù)中的適應(yīng)性情況，在國(guó)家服裝號(hào)型標(biāo)準(zhǔn)基礎(chǔ)上增加C2檔(肥胖體型，胸腰差大于-2.1 cm且小于3 cm)，胸腰差極大值為26.3 cm僅1個(gè)案例，權(quán)重為0.5%，放入國(guó)標(biāo)Y體型(19～23 cm)中進(jìn)行統(tǒng)計(jì)。

ISO/TR 10652《德國(guó)服裝標(biāo)準(zhǔn)尺寸系統(tǒng)》中女子體型是通過(guò)臀胸差作為分類變量，劃分為H/M/A這3種號(hào)型。依據(jù)樣本的臀胸差范圍增加H2檔，實(shí)驗(yàn)結(jié)果如表5所示。2組實(shí)驗(yàn)結(jié)果對(duì)比如表6所示，綜合6項(xiàng)身體部位均值差可得：以胸腰差作為分類變量，在身高、腰圍及臀胸差上的離散度較好；以臀胸差作為分類變量，則胸圍和臀圍的離散度較好。由表3可知，腰圍在體型中的權(quán)重較高，且身高、腰圍及臀胸差的數(shù)據(jù)能更好地反映體型，所以選擇胸腰差作為體型的分類變量。

表4 胸腰差作為分類變量的實(shí)驗(yàn)結(jié)果Tab.4 Experimental results of chest-waist difference as classified variable

表5 臀胸差作為分類變量的實(shí)驗(yàn)結(jié)果Tab.5 Experimental results of hip-chest difference as classified variable

表6 2種實(shí)驗(yàn)結(jié)果對(duì)比Tab.6 Comparison of two experimental results cm

4 K均值聚類中心分析

由于K均值聚類法采用迭代計(jì)算方式，噪聲和離群點(diǎn)對(duì)于聚類中心的結(jié)果有著嚴(yán)重的影響[11]，因此，在1.2.2小節(jié)首先對(duì)樣本進(jìn)行了異常值檢查。

K均值聚類的算法公式為

聚類結(jié)果受初始聚類中心(k個(gè)代表點(diǎn)P1，P2，P3，……，PK)影響逐個(gè)對(duì)樣本X進(jìn)行分類，直至V點(diǎn)不發(fā)生變化。聚類收斂所需的迭代次數(shù)受數(shù)據(jù)離散程度影響[4]，迭代次數(shù)需要一定的數(shù)值保證樣本量的循環(huán)計(jì)算，因此，迭代次數(shù)的選擇需要根據(jù)樣本量n的大小進(jìn)行調(diào)整，以滿足完全收斂。

本文選用MatLab 2014進(jìn)行程序編譯，選擇K均值聚類對(duì)身高-胸腰差進(jìn)行處理。K均值聚類需要在人工錄入K值的前提下進(jìn)行迭代計(jì)算，為能夠清晰地觀測(cè)到聚類中心的分布，需要通過(guò)K值的取值實(shí)驗(yàn)。調(diào)用MatLab中K均值聚類函數(shù)，選擇迭代次數(shù)為10，計(jì)算K的最優(yōu)整數(shù)取值(K≥4)，聚類分布圖見圖1、2。

圖1 K=4時(shí)K均值聚類分布圖Fig.1 K-means cluster distribution map when K=4

圖2 K=7時(shí)K均值聚類分布圖Fig.2 K-means cluster distribution map when K=7

由于篇幅的關(guān)系，本文截取了初始取值K=4，和最終取值K=7，2個(gè)聚類分布圖逆向K值判定方法是基于服裝號(hào)型實(shí)際運(yùn)用情況，按照具有最大離散度的屬性維對(duì)數(shù)據(jù)集進(jìn)行排序劃分。依據(jù)GB/T 1335.2—2008中的5.4檔差數(shù)據(jù)對(duì)K均值聚類中心進(jìn)行分析。K=4，第1類、第3類、第4類散點(diǎn)的分布過(guò)大，國(guó)家服裝號(hào)型標(biāo)準(zhǔn)中身高以5 cm為檔差，圖中的聚類中心丟失了165～170 cm,145～150 cm的身高段，且離散度過(guò)高。K=5，身高分段未涵蓋165～170 cm數(shù)據(jù)集群，且第1類數(shù)據(jù)的身高值范圍。K=6，各類中胸腰差的檔差分布較好，未能觀測(cè)到165～170 cm所分布的散點(diǎn)。K=7，聚類結(jié)果較好，身高各檔差均能觀測(cè)到聚類中心，且胸腰差的分布檔差較小易于觀測(cè)。

表7 K=7時(shí)聚類中心數(shù)值Tab.7 K=7 Clustering center values cm

結(jié)合聚類中心的數(shù)值和K=7的聚類分布圖，觀測(cè)到如下結(jié)果：

1)“號(hào)”分布的主要范圍為145～170 cm，“型”分布的主要范圍為-2～21 cm。

2)4類散點(diǎn)(3、4、6、7)的胸腰差集中于5～15 cm，即B/C(微胖、肥胖)體型，Y體型(偏瘦)階段的人數(shù)較少。

3)身高范圍在第2類、第3類之間(154.1～161.1 cm)，即身高區(qū)間為149～166 cm所對(duì)應(yīng)的服裝號(hào)型需求較為完善；身高高于166 cm的服裝需求以B和C體型為主；身高低于149 cm的服裝需求以A和B體型為主。

4)第7類散點(diǎn)表明聚類Y坐標(biāo)中心167 cm， 身高在162～173 cm范圍時(shí)胸腰差的聚類中心數(shù)值為11.56 cm，即B體型最多(同時(shí)涵蓋部分A和C體型)。第1類、第3類、第5類說(shuō)明身高的聚類中心(158.96～161.01 cm),身高在154～166 cm之間具有全部胸腰差的體型分類。第2類和第6類說(shuō)明身高在149～160 cm區(qū)間體型主要分布在B和C區(qū)間。低于150 cm身高則主要聚類在A和B體型。

5 服裝號(hào)型的適應(yīng)性分析

根據(jù)對(duì)數(shù)據(jù)的處理、與國(guó)家成年女性標(biāo)準(zhǔn)的對(duì)比、K均值聚類分布圖的觀測(cè)，對(duì)西南地區(qū)在校女大學(xué)生的服裝號(hào)型做如下調(diào)整。

1)使用“身高/胸腰差”作為分類變量針對(duì)西南地區(qū)在校女大學(xué)生仍然滿足要求，但覆蓋率需要增大(如C2)。

2)體型比例與2008年國(guó)家統(tǒng)計(jì)比對(duì)，結(jié)果見表8。體型向微胖、肥胖方向有發(fā)展趨勢(shì)。因Y體型人數(shù)N=8，占比4.19%，在生產(chǎn)計(jì)劃上需要減少。

表8 體型所占比重對(duì)比Tab.8 Contraction of body shape ratio %

3)身高范圍在第2類、第3類之間(154.1～161.1 cm)，即149～166 cm的服裝號(hào)型需求較為完善；身高高于166 cm的服裝需求以B、C體型為主；身高低于149 cm的服裝需求以A、B體型為主。

6 結(jié) 論

本文通過(guò)非接觸式三維掃描設(shè)備捕獲人體數(shù)據(jù)，經(jīng)過(guò)數(shù)據(jù)預(yù)處理和主成分分析，將體型的主成分?jǐn)?shù)據(jù)作為服裝號(hào)型的分類變量進(jìn)行驗(yàn)證。西南地區(qū)在校女大學(xué)生體型的集群數(shù)據(jù)驗(yàn)證結(jié)果顯示，應(yīng)以胸腰差作為體型分類的依據(jù)，與國(guó)家統(tǒng)計(jì)的全國(guó)成年女性數(shù)據(jù)比對(duì)后發(fā)現(xiàn)體型有向肥胖發(fā)展的趨勢(shì)。使用K均值聚類分布圖的離散情況和樣本分類變量選取后的檔差結(jié)合來(lái)看，在K=7時(shí)聚類分布為最佳觀測(cè)值。針對(duì)樣本人群需要加大服裝號(hào)型的覆蓋率，在產(chǎn)品計(jì)劃上應(yīng)減少Y體型的生產(chǎn)，服裝號(hào)型的適應(yīng)性在不同身高區(qū)間上有顯著差異。FZXB

[1] 李曉久, 王玉秀, 劉皓. 非接觸式人體測(cè)量系統(tǒng)中人體體型分類與自動(dòng)判別[J].天津工業(yè)大學(xué)學(xué)報(bào), 2007, 26(5): 34-35. LI Xiaojiu，WANG Yuxiu，LIU Hao. Classification and identification of body type in noncontacted body measurement system[J]. Journal of Tianjin Polytechnic University, 2007, 26(5): 34-35.

[2] SU Junqiang, LIU Guolian, XU Bugao. Development of individualized pattern prototype based on classification of body features[J].International Journal of Clothing Science and Technology, 2015, 27(6): 15-24.

[3] 劉詠梅, 張小雪, 郭云昕. 國(guó)內(nèi)外服裝用人體數(shù)據(jù)庫(kù)調(diào)查與分析[J].紡織學(xué)報(bào), 2015, 36(6): 143-144. LIU Yongmei, ZHANG Xiaoxue, GUO Yunxin. Survey and analysis on domestic and overseas human body database for garments′ use[J].Journal of Textile Research, 2015, 36(6): 143-144.

[4] 方方, 王子英. K-means聚類分析在人體體型分類中的應(yīng)用[J].東華大學(xué)學(xué)報(bào)(自然科學(xué)版), 2014, 40(5): 594-598. FANG Fang, WANG Ziying. Application of K-means clustering analysis in the body shape classification[J]. Journal of Donghua University (Natural Science), 2014, 40(5): 594-598.

[5] 鄒平, 吳世剛. 東北地區(qū)女青年體型及檔差的修訂[J].紡織學(xué)報(bào), 2009, 30(11): 116-118. ZOU Ping, WU Shigang. Amendment of figure types and grading values of young women in China Northeast area[J].Journal of Textile Research, 2009, 30(11): 116-118.

[6] 尹玲, 張文斌, 徐才國(guó). 基于有序樣本最優(yōu)分割法的女性體型分類[J]. 紡織學(xué)報(bào), 2014, 39(9): 115-119. YIN Ling, ZHANG Wenbin, XU Caiguo. Female body shape classification based on optimal segmentation method for orderly samples[J].Journal of Textile Research, 2014, 39(9): 115-119.

[7] 谷林, 張欣. 基于聚類人體體型分類法的體型反算方法研究[J].西安工程大學(xué)學(xué)報(bào), 2010, 24(1): 32-34. GU Lin, ZHANG Xin. The algorithm studies of human body′s shape classification based on cluster analy-sis[J].Journal of Xi′an Polytechnic University, 2010, 24(1): 32-34.

[8] 尹玲, 夏蕾, 許才國(guó). 基于隨機(jī)森林的女性體型判別[J]. 紡織學(xué)報(bào), 2014, 35(5): 114-116. YIN Ling, XIA Lei, XU Caiguo. Female body shape prediction based on random forest[J].Journal of Textile Research, 2014, 35(5): 114-116.

[9] HAN Hyun Sook, KIM Sungmin, PARK Chang Kyu. Automatic custom pattern generation using width-height independent grading[J].International Journal of Clothing Science and Technology, 2015, 27(6): 1-12.

[10] 李惠君. 復(fù)雜仿真數(shù)據(jù)的降維與可視化聚類方法研究[D]. 秦皇島: 燕山大學(xué), 2013: 76-78. LI Huijun. Research on methods of complex simulationI data dimension reduction and visualization cluster-ing[D]. Qinhuangdao: Yanshan University, 2013: 76-78.

[11] 朱建宇. K均值算法研究及其應(yīng)用[D]. 大連:大連理工大學(xué), 2013: 15-17. ZHU Jianyu. Research and application of K-means algorithm[D]. Dalian: Dalian University of Technology, 2013: 15-17.

Application of body shape analysis in observation of clothing size adaptability

DENG Chunshan1,2, LI Qin1,2, ZHOU Li1,2, ZHANG Longlin1,2

(1.CollegeofTextileGarment,SouthwestUniversity,Chongqing400715,China; 2.ChongqingEngineeringTechnologyResearchCenterofBiomassFiberandModernTextile,SouthwestUniversity,Chongqing400715,China)

Considering the situation that effective observation of clothing size in particular groups was absent at home and abroad, observation of clothing size adaptability was proposed based on the body shape analysis. By tracing 3-D data of the human body, principal components of clothing size classification variables were selected from the data cluster and put into the national clothing size standard for validation. According to clustering distribution results of multiple sets ofK-means, the optimumKvalue was selected combining with verified clothing size coverage and variation relationship while the value and distribution of clustering center were observed so as to describe the sample clothing size adaptability. It is demonstrated that the differences between subjects have a direct effect on the selection of size classification variables so that this method can successfully get access to the body shape development trend of subjects, clothing size coverage and variation adjustment scheme as well as the corresponding relationship of size and ″shape″ so as to improve the accuracy of clothing market research and production plan.

body shape analysis; clothing size; adaptability;K-means clustering

10.13475/j.fzxb.20151005006

2015-10-23

2016-08-19

中央高?；緲I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(XDJK2015D025,XDJK2014A011)

鄧椿山(1992—)，男，碩士生。主要研究方向?yàn)閿?shù)字化設(shè)計(jì)。張龍琳，通信作者，E-mail: myfashionworks@163.com。

TS 941

A