如今,随着经济的快速发展,人们更多的是追求一种个性化的需求,而非接触式测量技术的产生和不断更新换代,为满足人们的个性化需求提供了途径。在大规模生产的工业化时代,为使自己的产品覆盖大多数的人群,以最小的成本获取最大的利润,大多数的服装厂商生产的均是标准化的、“只有一个面孔”的服装产品,其满足了大多数人群的服装合体性需求,却忽略了少部分的特殊体型人群,而服装领域的发展进入智能化、自动化和数字化重新唤醒了人们对特殊体型人群的关注。人们饮食结构的改变带来国民体型日新月异的变化,特殊体型人群也逐步增多,而随着人们年龄的增长,身材的变形和走样也都不可逆转,尤其是在步入中年后,男性的腰腹部呈现不同程度的凸起,形成了庞大的凸肚体特体人群。如何借助三维人体测量技术识别体型复杂、类别多样的特殊体型,如何对特殊体型进行细分和自动化识别,如何满足特体人群的着装适体性和舒适性需求,是服装领域在迈向智能化、自动化量身定制路上亟需攻克的一系列关键性问题。本课题是基于非接触式测量的凸肚型中年男体细分与识别模型,目的是通过对凸肚体截面形态特征分析,提取特征指标来对凸肚体各个部位进行表征,通过对特征值进行统计分析,划分出各部位特体范围从而进一步形成对凸肚体的细分,然后利用BP神经网络构建凸肚体识别模型,从而探索出一条对凸肚体特殊体型进行细分和自动识别的途径,为三维人体测量技术识别特殊体型、个性化量身定制、虚拟试衣等提供了理论基础。本课题的主要研究内容为:(1)实验设计。利用Size Stream三维人体扫描仪测取420名中年男体样本,最终获取有效样本404名,选取身高、胸围、腰围、臀围、体重等五个特征指标进行k-means 聚类分析,最终将 404 名中年男体分为 165/90B、170/82A、170/96C、175/104C、175/90A等五类,可以得到C类肥胖体型占总体样本的33%,为我们进一步的研究提供一定的可行性。(2)腰围曲线特征值提取。采用imageware逆向工程软件提取人体点云模型腰围截面曲线,获取其横矢径值并进行聚类分析,最终确定了凸肚体的范围。其中将腰围横矢径比在0.77～0.82的人群定义为轻度凸肚体,将腰围横矢径比在0.83～0.90的人群定义为重度凸肚体,两类凸肚体分别占样本总量的23%和7%。(3)获取凸肚体细分指标。指出易与凸肚特体同时发生的其它特体部位如背部、腰部、臀部等,提取这些部位的代表性指标背入角、背侧角、臀凸角以及表征凸肚特征的腰凸角a、腰凸角b共同对凸肚体进行细化分类。采用imageware逆向工程软件提取样本的正中矢状面、过背凸点矢状面、过臀凸点矢状面、过腰凸点横截面等四个特征截面,并使用AutoCAD对这些截面图形进行了拟合以及特征点坐标提取,最后计算出了 107个凸肚体样本的共535个特征角度。(4)特征角度统计分析。对五个特征角度进行统计分析和相关性分析,最终选出背入角、背侧角、臀凸角、腰凸角a等四个特征角度进行最终的细化分类。对4个特征角度与易测量的人体部位尺寸间进行了回归分析,并得出了回归方程。(5)凸肚体细化分类。使用4个特征角度对凸肚体样本进行分类,对分成的四个类别的聚类中心样本的3个矢状面图像进行绘制,最终结合分类结果以及图像形态将凸肚体分成了弓背直腰平臀型轻度凸肚体、直背直腰平臀型轻度凸肚体、正常背收腰翘臀型轻度凸肚体、正常背收腰正常臀型中度凸肚体四个类别,四个类别分别占凸肚体样本总量的 12.15%、24.30%、40.19%、23.36%。(6)自动识别模型构建。对人工神经网络的基本原理进行了介绍,采用BP神经网络构建了凸肚型中年男体细分类型的识别模型。识别模型的总体识别率为92.6%,其中类别1的识别率为100%,类别2的识别率为100%,类别3的识别率为90.9%,类别4的识别率85.7%。总体识别率较高,具备一定的应用价值。通过以上研究,构建了对凸肚型特殊体型细分和识别的方法,为其他特体的细分和识别模型构建提供了研究路径,为非接触式测量设备自动识别特殊体型提供了方法借鉴,为个性化量身定制的发展奠定了研究基础。