伴随着非接触式人体测量技术的开发应用和更新迭代,为人体体型研究提供了重要条件,但对于特殊体型研究相对较少,由于人们饮食结构和生活方式的日新月异,导致整体国民体型产生了一定的变化,特殊体型人群逐渐增大。青年人群长期坐于办公室伏案作业或电脑前工作,较易出现弓背型特体,现对于弓背体的定义是一个模糊概念,大多数文献依据其特殊体型的特征大致分为驼背体或高肩胛骨体,缺乏标准化、规范化的指出弓背程度、细化分类及识别方法,不利于服装版型设计与服装个性化量身定制的发展及推广。人体体型特征可由体表曲面描述,而曲面是由很多外轮廓曲线构成,故而不同体型人体具有不同体表曲线,弓背体的主要特征部位是肩背部,其肩截面曲线形态与服装结构有密切关系,如何利用特体部位的体表曲线对特体细化分类,如何精确快速的获取特殊体型的形态变化规律,如何基于非接触式人体测量技术快速准确的自动识别人体体型,如何满足特体消费者对着装舒适性和合体性的个性化需求等,这是服装行业在实现个性化量身定制的道路上需要深入探索并亟待解决的一系列重要问题。本课题研究的目的是通过易测量人体数据识别出弓背型青年男体肩截面形态特征,以弓背型青年男体为研究对象,从肩截面曲线形态入手,构建曲线数学模型,提取曲线特征参数,从而表征截面曲线形态特征,为弓背体细化分类研究提供一种新方法,同时构建了概率神经网络自动识别模型,实现弓背体快速细致的识别,为个性化量身定制系统、人体体型细分和识别技术、虚拟试衣等提供了技术支撑。本课题主要研究内容包括以下几个方面:(1)非接触式人体测量实验及体型聚类分析:采用非接触式人体测量设备Size Stream获取302人青年男体有效数据信息,导出所需的相关测量项目并进行数据预处理,得到302组有效人体数据;采用K-Means聚类算法以身高、胸围、腰围、总肩宽这四个特征尺寸及通过相关分析确定的派生变量胸身比作为分类指标对人体上半身进行体型聚类分析,得到170/84A、175/92A、180/88A三个体型聚类中心。(2)弓背型样本选取:引入肩弓系数(肩端距与总肩宽的比值)作为衡量肩部弯曲程度或后凸程度的量化值,采用AGNES凝聚层次聚类方法对肩弓系数进行聚类分析得到肩弓系数在不同范围的平直肩型、标准肩型、弓形肩型,并验证分类结果。定义肩弓系数较小的弓形肩型样本为弓背型青年男体,根据值域挑选弓背型样本。并利用肩弓系数定义了不同程度的弓背体,将肩弓系数在[0.721,0.813]范围内弓背体称为轻度弓背体,肩弓系数小于0.721的弓背体称为重度弓背体,故而可以通过人体尺寸肩端距和总肩宽判断其弓背程度。(3)肩截面曲线数学模型构建:提取弓背型青年男体肩截面曲线并对曲线进行平滑、旋转和对称等预处理,采用AutoCAD软件等距离获取曲线上110个拟合点,利用Matlab编写程序构建曲线数学模型,通过对模型拟合效果、误差分析和拟合优度的分析比较,选取三次多项式和五次多项式函数拟合法分别对后肩和前肩曲线建立数学拟合模型,且拟合优度R~2均大于0.98,接近1,数学模型的拟合精确度较高。(4)肩截面曲线特征参数提取:利用数学模型计算肩截面曲线所有拟合点的曲率及曲率半径,结合曲线形态特征确定曲线特征点为后中点、肩胛骨凸点、肩端点、胸侧转折点和前胸凸点,以特征点曲率半径和矢横径比作为表征曲线形态的特征参数,对特征参数与易测量的人体尺寸进行相关分析并构建回归模型,使曲线特征参数简易快速获取。(5)弓背体体型细化分类:基于肩截面曲线,采用K-Means聚类算法以曲线特征参数为分类指标,引用伪F统计量确定最佳分类数目,在国标体型分类基础上,将170/84A、175/92A和180/88A弓背体分别细分为4类、3类和3类,分析每类肩截面曲线形态特征及样版调整方法。(6)弓背体识别模型构建:针对以上细化分类结果建立基于概率神经网络的弓背体体型识别模型,利用Matlab编程语言设计概率神经网络自动识别模型,并对模型进行训练和测试,计算其识别率,发现自动识别模型的总体识别率为91%,识别率较高,具有一定的准确性与可行性。