摘要：冠状面轮廓曲线可以表现人体纵向体表形态,是体型研究和原型设计的关键。首先,通过三维人体测量,获取人体点云数据,利用逆向工程技术降维处理,采集冠状面轮廓点云;其次,用最小二乘法、三次样条函数、径向基函数(Radical Basis Function,RBF)神经网络分别进行曲线拟合,比较三个模型的均方根误差RMSE、决定系数R^(2)等参数,得出RBF神经网络拟合效果最优;然后,通过计算拟合曲线的曲率和二阶导数,量化分析冠状面轮廓曲线形态;最后,在大规模人群测量中进行验证,得到3类典型的冠状面曲线。实验结果显示,采用RBF神经网络构建二维曲线表征三维人体特征空间的数学模型拟合精度高、泛化能力强,能有效表征人体纵向体表特征。

摘要：青年女性臂部体型包含了大量的非线性特征,单一的BP神经网络很难达到理想预测精度,为快速准确地识别青年女性臂部体型,提高预测精度,本文构建了一种基于思维进化算法(MEA)优化BP神经网络的青年女性臂部体型识别模型。首先,通过[TC]^(2)三维人体测量获取611名青年女性的臂部数据;其次,通过主成分因子分析得到影响青年女性臂部体型特征的5大形态因子,选取5个特征指标采用两步聚类法将臂部体型分为4类;最后使用Matlab软件构建基于MEA-BP神经网络的青年女性臂部体型识别模型。实验结果显示:该模型能有效识别臂部体型,准确率为95.45%,与单一BP神经网络和GA-BP神经网络对比,该模型具有更高的预测精度和更优的非线性映射能力。