金 丹

(沈陽市輕工藝術(shù)學(xué)校 服裝學(xué)院,遼寧 沈陽 110031)

肩頸部測量對于服裝整體造型具有重要的研究價(jià)值,不僅能夠?yàn)橄M(fèi)者帶來美的享受,而且能夠給予人們溫暖的呵護(hù)[1-2]。通過肩頸部測量獲取領(lǐng)型的立體效果與平面結(jié)構(gòu),需要找到立體效果與平面結(jié)構(gòu)之間對應(yīng)的變化規(guī)律,以便得到適合人體的領(lǐng)型。

近年來,頸肩部的研究主要集中在肩寬、肩弓、肩斜度、橫截面等方面。針對女性肩頸部,張金花等[3]采用SPSS軟件,以三維人體測量與肩部數(shù)據(jù)及其相關(guān)變量,確定肩部特征,完成肩部特征數(shù)據(jù)的分析;賀義軍等[4]針對青年女性肩部橫向彎曲度,建立肩弓系數(shù),確定不同的肩斜造型,運(yùn)用Opti Tex軟件得到三維肩部模型;王婷等[5]基于二維圖像與三維點(diǎn)肩部數(shù)據(jù),對青年女性肩頸部形態(tài)進(jìn)行分類,完成肩頸部體型的自動(dòng)識(shí)別;馬暢等[6]基于線性回歸與MLP神經(jīng)網(wǎng)絡(luò)完成女性肩部模型的測量。而針對男性肩頸部,金娟鳳等[7]采用IMAGE WARE 12.0與Matlab軟件,通過肩點(diǎn)面形態(tài)特征,提取肩頸部的曲線形態(tài),確定曲線變化形態(tài);聶超等[8]基于空間混聯(lián)機(jī)構(gòu),完成男性肩頸部骨骼的運(yùn)動(dòng)模型;張健等[9]采用二維圖片對肩頸部的形態(tài)進(jìn)行分類,構(gòu)建肩頸部形態(tài)的自動(dòng)識(shí)別系統(tǒng)。JIANG 等[10]運(yùn)用Freeman八鏈碼檢測法提取特征點(diǎn)并總結(jié)規(guī)律,以此計(jì)算人體尺寸數(shù)據(jù),此方法會(huì)識(shí)別過多不必要的特征點(diǎn),且易受到局部影響導(dǎo)致錯(cuò)檢。馬黎[11]將形態(tài)分為3 類,并建立數(shù)學(xué)模型,據(jù)此來調(diào)整衣領(lǐng)結(jié)構(gòu)。上述方法雖然對肩頸部數(shù)據(jù)進(jìn)行自動(dòng)化測量,但是并沒有實(shí)況高精確度與小計(jì)算量。因此,采用深度學(xué)習(xí)方法完成對肩頸部高精確度、小計(jì)算量且自動(dòng)化的測量,以得到適合人體的領(lǐng)型款式。

采用MLP神經(jīng)網(wǎng)絡(luò)對肩頸部識(shí)別與分類,對肩頸部形態(tài)進(jìn)行聚類分析,獲取符合人體的領(lǐng)口大小及款式。降低時(shí)間復(fù)雜度的同時(shí),提高識(shí)別精確度,以得到符合人體工程學(xué)的領(lǐng)型,完善服裝設(shè)計(jì)。

1 肩頸部模型

肩頸部的主要骨骼是頸椎、胸廓上部與肩關(guān)節(jié)。頸椎以脊椎、脊肌為中心,由外側(cè)肌包裹,形成領(lǐng)圍。而外側(cè)肌進(jìn)一步能夠劃分為淺頸肌、外側(cè)頸肌、前頸肌、后頸肌。骨骼與肌肉之間的連接,得到人體頸根線的位置、形狀和彎曲程度。通過頸椎骨骼及其肌肉連接,獲取領(lǐng)口大小。肩頸部骨骼的基本模型,如圖1所示。

圖1 肩頸部骨骼模型

考慮到頸部與肩部的鈍角連接,需要對肩部進(jìn)行斜度測量,同時(shí)因?yàn)樾狈郊≈車闹緦?dǎo)致肩部形狀變化,需要對肩部數(shù)據(jù)進(jìn)行精確測量,以修正領(lǐng)口大小及形狀,進(jìn)而得到適合肩部的領(lǐng)型。肩部測量數(shù)據(jù)包括頸點(diǎn)高、側(cè)頸點(diǎn)高和肩點(diǎn)高,以確定肩斜角與背入角。頸肩部結(jié)構(gòu)如圖2所示。

圖2 肩頸部結(jié)構(gòu)

肩部骨骼包括肩胛骨、肩胛棘、肩關(guān)節(jié)、肩縫、肩鎖關(guān)節(jié)、肱骨頭、鎖骨、胸骨。骨骼周圍肌肉由椎側(cè)緣肌、三角肌、斜方肌等組成,而形成肩部的主要肌肉則為斜方肌與三角肌。肩傾斜的角度由斜方肌決定,而肩端點(diǎn)的圓度則由三角肌決定。

2 肩頸部形態(tài)研究

2.1 測量數(shù)據(jù)

根據(jù)肩頸部模型中的數(shù)據(jù),將肩頸部形態(tài)劃分為以下幾種類型,如圖3所示。

圖3 肩頸部形態(tài)

采用定性描述與定量描述,對人體頸肩部形態(tài)進(jìn)行測量。對CAESAR 數(shù)據(jù)庫中人體形態(tài)參數(shù)數(shù)值進(jìn)行篩選,選擇其中500名年齡在20～50歲的調(diào)查對象進(jìn)行數(shù)據(jù)的采集,對異常值篩選、排除和整理,確定有效樣本466名。將樣本數(shù)據(jù)應(yīng)用于肩頸部模型中,對測量變量進(jìn)行正態(tài)性檢驗(yàn),獲取適用于領(lǐng)口統(tǒng)計(jì)分析的參數(shù)數(shù)值。針對參數(shù)數(shù)值對傾斜角度與大小數(shù)值計(jì)算,確定均值與標(biāo)準(zhǔn)差,作為領(lǐng)口服裝的參數(shù)指標(biāo)。得到的測量參數(shù),見表1。

表1 參數(shù)描述

針對人體數(shù)據(jù)庫中的人體數(shù)據(jù),假設(shè)掃描姿態(tài)為直立,兩腳分開與肩同寬,肩頸部自然放松,手臂自然下垂,目光平視前方,測量項(xiàng)如下。

(1)下前頸點(diǎn):在胸骨與鎖骨的內(nèi)側(cè)端連接處,形成頸窩,位于頸窩的鎖骨上端與前正中線的交點(diǎn)。

(2)上前頸點(diǎn):位于頸部與下顎的前正中線的交點(diǎn)。

(3)下后頸點(diǎn):頸部前向彎曲時(shí),頸后第七頸椎棘突尖端點(diǎn)會(huì)凸起,突出的斷點(diǎn)處便是下后頸點(diǎn)。

(4)上后頸點(diǎn):頸部向后彎曲時(shí),頸部上端在正中線轉(zhuǎn)折凹進(jìn)處的點(diǎn)記為上后頸點(diǎn)。

(5)側(cè)頸點(diǎn):在頸根曲線上,側(cè)視圖中前后頸厚的中央偏厚位置。

(6)肩端點(diǎn):肩胛骨上緣向外的突出點(diǎn),即肩與手臂的轉(zhuǎn)折點(diǎn)。

(7)頸根圍:下前頸點(diǎn)、側(cè)頸點(diǎn)與下后頸點(diǎn)的交叉點(diǎn)。

(8)前頸長:上前頸點(diǎn)到下前頸點(diǎn)的長度。

(9)后頸長:上后頸點(diǎn)到下后頸點(diǎn)的長度。

(10)頸寬:左右頸側(cè)點(diǎn)的水平距離。

(11)頸厚:前后頸點(diǎn)與頸寬中點(diǎn)連線距離之和。

(12)肩腋角:肩端點(diǎn)與腋下點(diǎn)的連線同水平線的夾角。

(13)肩斜角:側(cè)頸點(diǎn)與肩端點(diǎn)的連線同水平線之間的夾角。

(14)背入角:側(cè)面背部凸出點(diǎn)同下后頸點(diǎn)的連線同垂直線之間的夾角。

(15)前傾角:頸部線條同垂直線之間的夾角。

(16)肩弓角:肩部截面曲線前后中點(diǎn)同左肩端點(diǎn)之間的夾角。

(17)前頸角:頸部與上半身之間的夾角。

(18)肩寬:左肩端點(diǎn)與右肩端點(diǎn)之間的水平距離。

(19)肩厚:肩部截面中心的厚度。

通過測量參數(shù)對測量項(xiàng)進(jìn)行計(jì)算,獲取各項(xiàng)形態(tài)數(shù)值,并且截取出頸肩部的截圖,測量所需的角度值、厚度值和距離值。

2.2 聚類分析

采用MLP神經(jīng)網(wǎng)絡(luò)對肩頸部形態(tài)進(jìn)行分析,得到不同的肩弓形態(tài),如圖4所示。

圖4 肩弓形態(tài)

由圖4可知,肩頸部形態(tài)的識(shí)別由肩部外輪廓、肩端三角形與頸根圍決定。不同肩部形態(tài)由層次聚類方法來分析,采用文獻(xiàn)[4]中蘭氏距離公式來計(jì)算。計(jì)算公式如下:

式中:dL(xi,xj)表示xi與xj之間的蘭氏距離;p是指維度數(shù)據(jù),即i∈{1,2,…,p},j∈{1,2,…,p},且i≠j;E表示所有對象的均方差之和;Zi是分類均值。

上述方法能夠完成對肩弓形態(tài)的分類,之后聚類能夠得到肩頸部的形態(tài)及類型。為便于對總體樣本的聚類分析,依據(jù)SSE(誤差平方和)的計(jì)算公式[12],將不同樣本劃分為不同類型,SSE的計(jì)算公式如下:

式中:Ci(i=1,2,3,4)表示肩頸部形態(tài)的類別(1表示溜肩,2表示寬肩,3表示窄肩,4表示平肩);p表示Ci中樣本i的數(shù)量;mi表示Ci中所有樣本的均值。將樣本數(shù)值帶入計(jì)算公式,最終得到趨向于正態(tài)分布的數(shù)據(jù)圖,而正態(tài)分布的最高點(diǎn)為真實(shí)的聚類數(shù)值。

為了驗(yàn)證聚類效果,采用輪廓系數(shù)進(jìn)行評(píng)估。輪廓系數(shù),是評(píng)價(jià)聚類效果的方式[13],可用于基于相同原始數(shù)據(jù)評(píng)估不同算法或算法的不同操作模式對聚類結(jié)果的影響。輪廓系數(shù)的數(shù)值介于[-1,1],越趨近于1代表聚類效果越好。具體公式如下:

式中:a(i)為樣本i到同一類內(nèi)部其他樣本之間距離的均值;b(i)表示樣本i同最近類別中所有樣本的距離的均值。

2.3 基于MLP卷積神經(jīng)的肩頸部識(shí)別

2.3.1 神經(jīng)網(wǎng)絡(luò)模型

在MLP神經(jīng)網(wǎng)絡(luò)中,輸入肩頸部數(shù)據(jù),輸出精確識(shí)別的領(lǐng)口數(shù)據(jù),確定領(lǐng)口的大小與形態(tài)。MLP神經(jīng)網(wǎng)絡(luò)模型如圖5所示。

圖5 MLP神經(jīng)網(wǎng)絡(luò)模型

其中FC表示全連接層。N、C、H、W表示區(qū)大小、輸入信道數(shù)、高度、寬度,h、w、g、p與O分別表示所需區(qū)的高度、寬度、組數(shù)、填充和輸出信道。輸入特征映射被拆分為不同的處理區(qū),而全局感知器將不同區(qū)之間的相關(guān)性添加到每個(gè)區(qū)中。然后,局部感知器能夠捕獲具有多個(gè)卷積層的本地模式,分區(qū)感知器對長距離依賴關(guān)系建模后,假設(shè)N=C=1,H=W,Hw=Ww=2(即一個(gè)信道被分成4個(gè)分區(qū))以獲得更好的可讀性。假設(shè)h>7且w>7,以便局部感知器具有內(nèi)核大小為1、3、5、7 的卷積分支。通過結(jié)構(gòu)重新參數(shù)化,具有凸層和卷積層的訓(xùn)練時(shí)間塊等效地轉(zhuǎn)換為3個(gè)全連接塊。

MLP神經(jīng)網(wǎng)絡(luò)模型的卷積函數(shù)如下:

式中:M(out)∈RO×C×H'×W'是輸出特征圖;O表示輸出信道數(shù);p表示需要填充的像素?cái)?shù);F∈RO×C×K'×K'是密集卷積核,組數(shù)為1。為簡化操作流程,假設(shè)H'=H,W'=W。

對于全連接層,假設(shè)P和Q為輸入和輸出維度,有V(out)∈RN×Q,V(out)∈RN×Q分別作為輸入和輸出,其核為W∈RN×Q,矩陣乘法的計(jì)算公式如下:

將M(in)作為輸入并輸出M(out)的全連接層。假設(shè)全連接層不會(huì)改變分辨率,即H0=H,W0=W。使用只改變變量形狀規(guī)范而不改變內(nèi)存中數(shù)據(jù)的順序RS函數(shù)。首先將輸入展平為長度CHW的N個(gè)矢量,有V(in)=RS(M(in),(N,CHW)),與內(nèi)核W(OHW,CHW)相乘,得到輸出結(jié)果V(out)(N,O,H,W),或者返回M(out)(N,O,H,W)。RS函數(shù)的計(jì)算公式如下:

2.3.2 形態(tài)特征提取

對模型中輸出的數(shù)據(jù)進(jìn)行全局特征的提取,所得結(jié)構(gòu)如圖6所示。

圖6 全局特征提取結(jié)構(gòu)

首先,將圖片分區(qū),相互疊加。之后將輸出結(jié)果做池化處理,得到不同數(shù)量的處理塊,即一個(gè)數(shù)據(jù)塊對應(yīng)1個(gè)節(jié)點(diǎn),最后疊加得到全局特征結(jié)果。

然后,將全局特征結(jié)果進(jìn)行序列化處理,得到圖像中頸部肩部關(guān)鍵特征的位置信息,之后采用卷積函數(shù)進(jìn)行分組卷積與相對特征的合并。卷積處理結(jié)構(gòu)如圖7所示。

圖7 卷積結(jié)構(gòu)圖

最后將不同位置及大小進(jìn)行統(tǒng)計(jì)分析,2 個(gè)相同尺度的全連接操作可以直接相加,如果全連接和卷積直接相加,則需要卷積操作,轉(zhuǎn)換成一個(gè)等價(jià)的全連接。即把卷積核的權(quán)重參數(shù),轉(zhuǎn)換為等價(jià)的全連接權(quán)重參數(shù)。計(jì)算公式如下:

2.3.3 肩頸部分析

肩頸部形態(tài)對人體著裝效果會(huì)造成一定的影響,主要體現(xiàn)在肩頸部的弧度及橫剖面。采用Opti Tex三維CAD 軟件,對肩部形態(tài)進(jìn)行識(shí)別,識(shí)別效果如圖8所示。

圖8 肩頸部形態(tài)識(shí)別

人體肩部的肌肉包括上斜方肌、提肩胛肌和菱形肌;人體溜肩即肩胛骨下降的肌肉,即下斜方肌和前鋸肌;窄肩肌肉過度縮緊,可能原因是下斜方肌無力和前鋸肌無力;窄肩肌肉過度縮緊,可能原因是上斜方肌無力、提肩胛肌無力和菱形肌無力;所以導(dǎo)致溜肩的肌肉。

基于上述結(jié)論,能夠完成對溜肩服飾的設(shè)計(jì)。

3 結(jié)束語

針對肩部服飾舒適性的問題,提出一種基于MLP神經(jīng)網(wǎng)絡(luò)的肩部測量與識(shí)別算法,完成對第七頸椎點(diǎn)、頸肩點(diǎn)與肩端點(diǎn)的精確測量,分析了不同肩頸部形態(tài)對服裝領(lǐng)子的影響,進(jìn)一步揭示了不同肩型對服飾的影響,為優(yōu)化領(lǐng)型服飾的設(shè)計(jì)提供了參考。