摘要：使用基于K-means思想的KS主曲线算法,对国家人体尺寸测量工作中产生的带噪声扫描线数据集合进行非线性拟合,并依据曲率分布特征提出对目标特征点空间位置进行模糊分区估计的方法;同时提出了变量化模糊分区的优化策略,大幅度地提高了局部特征区域搜索的效率·

摘要：人体尺寸测量实验教学,是以科技部国家科技基础条件平台重点工作项目为契机,按照国家未成年人体尺寸测量的技术要求,依托上海市重点学科(服装设计与工程)的建设,而精心安排的实验教学项目。人体尺寸测量实验教学的开展,有助于研究人体体型的前沿学科和多项人体工效学的科学研究。

摘要：随着计算机技术的发展，计算机辅助设计 (CAD)技术也逐渐运用到服装行业中，服装 CAD技术已成为服装行业提高市场竞争能力的强大工具在运用服装 CAD时，人体尺寸测量是 CAD获得原始数据关键，计算机辅助人体测量技术 (CAT)的开发与应用，解决了以往人工接触测量人体尺寸给推广服装 CAD带来的制约，充分发挥服装 CAD的各项功能，实现“量体裁衣”

摘要：针对传统人体尺寸测量方法不能够实现远程、便捷式测量的问题,提出了一种基于微信小程序的人体尺寸测量系统应用于远程服装定制,设计开发微信小程序设置特定的轮廓获取含有3种姿态的人体图像数据集,采用u-net网络框架进行训练,提取人体轮廓特征图,经过openpose人体姿态估计算法定位人体骨节关键点,提取人体关键部位提取特征点,利用身高比例法、双椭圆模型拟合人体尺寸信息通过微信小程序反馈给用户。以手工测量为标准,人体尺寸测量中二维尺寸测量准确率达97.8%,三维尺寸准确率达89.5%,最终平均总误差为3.19%。实验表明,基于微信小程序的人体尺寸测量系统能够实现便捷式的人体尺寸测量及远程服装定制。

摘要：为获取座椅设计相关的人体尺寸新数据及明确腰臀形态分型,采用直接接触测量法,选取与座椅腰背部设计有关的13个尺寸参数,对130名南京地区在校大学生(男性50名,女性80名)进行人体尺寸测量。利用统计软件SPSS26.0对数据进行统计处理、性别显著性分析、BMI显著性分析,并以坐姿臀宽、坐姿腰宽和腰节点高为分类依据,对腰臀形态进行分型。最终有效样本量为124人(男性49人,女性75人),以性别分类,分别统计出13个测量项目的平均值、第5、50、95百分位值。并将腰臀形态分为低腰型、高腰型及高腰宽臀型3类。结果表明:性别和BMI对人体尺寸的影响较大;低腰型和高腰宽臀型占比较大,两者共同的特点为:腰臀比大致相同,对于座椅腰背部设计来说,该形态的适应性更高。

摘要：为制定更适用于江苏省儿童的服装号型标准,本研究通过接触式和非接触式测量方法,收集了江苏省3~15周岁儿童的主要人体尺寸数据,共得到3654个有效样本,并对样本数据进行分析。分析结果显示,江苏省儿童不同部位人体尺寸增长趋势存在性别和年龄差异,表现为3~8周岁男女童发育速度基本一致,9~11岁女童发育速度快于男童,12~15周岁女童发育速度显著变缓,男童发育速度快于女童;且身高、体重及胸围尺寸的均值较全国儿童历史数据有显著增长,增幅范围分别为7 cm~12 cm、2 kg~8 kg和0.7 cm~3.5 cm。研究建议根据现行GB/T 26158—2010标准,调整年龄层分组,以切实反映不同发育阶段儿童的体型特征,优化江苏省儿童服装号型标准和设计生产。

摘要：通过图像测量人体尺寸具有远程以及不用手接触等优点。提出了一种通过ConvLstm进行人体三维建模进而测量人体尺寸的方法。ConvLstm是一种深度学习模型,可以获取到连续图像的相关信息,利用设计的并行ConvLstm从连续的多角度人体轮廓图像中获取3D建模所需的参数,然后将参数输入到当下最精确的SCAPE参数化人体模型中,进而获得3D人体模型。通过对3D人体模型表面上的特征点定位计算出实际的人体尺寸。实验表明,该方法测量出的人体尺寸具有较高的精度以及稳定性。

摘要：为准确提取人体轮廓,提出基于MINet模型的复杂背景人体轮廓提取方法。拍摄正、侧面人体全身照并标注掩膜图,匹配不同的复杂背景,融合形成2860张多场景下的人像数据集。利用迁移学习机制,优化MINet显著目标检测模型,提取人体轮廓。分别对比了基于迁移学习的策略与原模型、U2Net显著目标检测模型、Mediapipe人体轮廓提取算法和传统阈值分割算法的人体轮廓提取效果。结果表明:基于迁移学习的MINet模型具有最优的人体轮廓提取性能,其准确率、精度、召回率和综合指标分别达到了0.998、0.987、0.992和0.990,人体轮廓提取效果与标注的掩模图最为近似。该方法能低成本、批量化、快速提取图像中的人体轮廓,为远程服装定制中的照片测量提供有效的技术方法。

摘要：自然拍摄的人体照片由于背景图案较为复杂,采用传统基于图片色彩空间或能量梯度的图像处理方法难以准确地识别人体的轮廓。采用神经网络的方法,可以提高识别的精度。但是,一般的神经网络方法由于计算量与参数规模较大,难以在移动终端部署。因此,提出了一种轻量级的神经网络策略以提取人体轮廓。该网络采用MobileNet V2与U-Net框架,通过构建特定姿态的人体数据集进行训练,识别相应的人体轮廓形状。人体轮廓经过提取关键点、拟合回归分析等后续处理,可估算人体的尺寸。该方法可应用在移动终端上,通过拍摄的人体照片的方法测量人体的尺寸。实验表明,该方法能准确地提取复杂背景照片中的人体轮廓并测量尺寸,在速度与存储占用方面较一般神经网络有一定优势。

摘要：针对目前我国国民体型原始数据缺乏、与坐姿相关的产品(坐姿产品)设计不良的问题,研究了人体坐姿尺寸的测量方法和人体坐姿特征点提取算法,运用机器视觉和虚拟仪器相结合的手段,设计开发了人体坐姿尺寸虚拟测量系统,为人体坐姿尺寸数据的不断更新提供了有效的测量工具,对保证坐姿产品的设计能遵循人机工程学原理具有现实意义。