服装工业定制的人体数据研究是服装领域近年来的热门研究方向。传统的手工测体方法带有测量者具备的成衣工艺经验,有利于对服装造型的整体把握,但测体方式及所得数据差异较大。互联网的兴起及非接触式三维扫描技术的飞速发展,给服装行业带来了巨大的冲击,如何利用互联网高效率的信息交互及非接触式测体技术实现服装工业定制是国内外研究机构、院校和企业关注的问题。近几年发展起来的大数据、数据挖掘技术,为我们研究系统性复杂问题提供了新视角和新方法,提高了人们对现实世界的科学认知。数据的流通和应用作为数据挖掘的基础,开发针对测体信息的工具链使上述问题的解决成为可能。从用户的应用场景和企业的操作流程两个方面出发,让从业者能够理解人体数据在服装工业定制中扮演的角色和内在的运行规律。应用结构性的人体数据体系,从理论和实践的角度探寻其实现原理,是研究服装工业定制的关键问题,同时也是非接触式人体测量的基础理论问题之一。研究人体数据体系工具链,不仅包括该系列化应用的功能特性,更为重要的是研究其实现机制,即核心的计算原理。相对于手工作业驱动或者半自动化的服装生产模式,本文提出的人体数据体系应用允许它随时根据目标用户的体型数据做出调整和演化。本文在分析用户应用情景和企业操作流程的基础上,研究了人体数据处理工具链的实现方法。针对上述应用背景,本文拟解决以下三个方面的问题:(1)利用三维扫描设备捕获的人体原始数据,在已知测体姿势和误差数据的条件下,补偿缺失数据,并通过向手工测量真值的方法修正人体数据;(2)利用数据降维和数据挖掘等大数据计算方法,在使用尽可能少的输入前提下,求解样本数据的聚类情况,为人体体型数据向服装工艺数据转置提供依据;(3)基于数值的流通形式,服装三维CAD在虚拟成衣和虚拟试衣上丢失了传统的成衣经验,设计者无法通过视觉感知评价服装的适体性。针对上述的三个问题,本文提出了人体数据体系的三个工具链:(1)提出了一种通过搭建优化人工神经网络补偿和修复原始测体数据的方法。首先,依据现行国际标准文件,对四种测体姿势的覆盖率进行排序;然后,根据最优的测体姿势结果,设计人工神经网络,以数值逼近手工测量真值为目的,系统地分析输入的相关性因素、输入数据的维数和网络具体参数。实验结果表明,该方法可以修正原始测体的缺失数据,并准确拟合手工测量真值;(2)提出了一种基于数据降维和快速聚类的样本数据挖掘方法。首先,通过数据预处理剔除噪声数据;然后,通过主成分分析法提取贡献率排名靠前的人体部位,进行体型的分类变量实验;利用K均值聚类法并加以图示化观测样本的体型情况;最后,将K均值聚类的虚拟中心数值引导到个性化人台拟合。实验结果表明,该方法能够极大地简化原始数据的输入维数,通过迭代计算,生成序列性的样本数据观测结果。(3)提出了一种基于服装三维CAD系统的人体适体性评价方法。首先,构建基于着装方式分类的服装自由区空间;然后,选择自由区空间内的识别特征;接着,利用结构性权值计算人体的适体性得分;最后提供给设计者自主评分的入口,得出综合的评分情况。实验结果表明,该方法可以对虚拟适配场景的人体适体性做出完整的分析,为服装工业定制提供有力支持。