基于人體數(shù)字圖像的青年女體圍度擬合

顧冰菲， 李欣華a， 鐘澤君a， 蘇軍強(qiáng)， 劉國(guó)聯(lián)

(1.浙江理工大學(xué) a. 服裝學(xué)院；b. 浙江省服裝工程技術(shù)研究中心；c. 絲綢文化傳承與產(chǎn)品設(shè)計(jì)數(shù)字化技術(shù)文化部重點(diǎn)實(shí)驗(yàn)室，杭州 310018；2.江南大學(xué) 紡織服裝學(xué)院，江蘇 無(wú)錫 214122；3.蘇州大學(xué) 紡織與服裝工程學(xué)院，江蘇 蘇州 215006)

隨著信息技術(shù)在服裝行業(yè)的發(fā)展，智能化定制技術(shù)已成為促進(jìn)服裝定制發(fā)展的主要技術(shù)之一[1-3]。人體自動(dòng)測(cè)量在實(shí)現(xiàn)智能化定制技術(shù)中起著至關(guān)重要的作用[4-6]。盡管三維人體掃描系統(tǒng)已經(jīng)被廣泛研究和應(yīng)用，但是高昂的價(jià)格和其他實(shí)際問(wèn)題阻礙了其在日常服裝生產(chǎn)中的廣泛應(yīng)用，特別對(duì)于小型企業(yè)來(lái)說(shuō)[7]。所以，有必要探索更經(jīng)濟(jì)、更簡(jiǎn)單的人體測(cè)量方法，使其有可能應(yīng)用于小型企業(yè)，甚至家庭使用。

為了滿足這種需求，有研究者開(kāi)發(fā)了一種簡(jiǎn)單使用現(xiàn)成的相機(jī)拍攝數(shù)碼圖像來(lái)提取人體尺寸的方法，可以被稱(chēng)為二維人體測(cè)量系統(tǒng)。例如，Pierre等[8]使用二維圖像和標(biāo)志選取點(diǎn)檢測(cè)算法來(lái)評(píng)估基于圖像的人體測(cè)量系統(tǒng)的性能，發(fā)現(xiàn)它可以產(chǎn)生與傳統(tǒng)手工測(cè)量相媲美的測(cè)量結(jié)果。陳國(guó)旗[9]提取了人體的正面和側(cè)面照片的輪廓，并確定了輪廓上的特征點(diǎn)。然而，在二維系統(tǒng)中，基于特征點(diǎn)只有人體各部位的高度、寬度和深度可以被直接測(cè)量。因此，根據(jù)各部位的人體橫截面曲線的模擬，可以對(duì)人體尺寸進(jìn)行估計(jì)。

用于模擬橫截面曲線的典型方法包括超橢圓曲線和EE參數(shù)樣條曲線[10-14]。Hatakeyama等[15]首先提出了相對(duì)于中心軸具有對(duì)稱(chēng)形狀的超橢圓法來(lái)估計(jì)人體截面。Yao等[16]選擇了EE樣條函數(shù)，以更好地逼近不同的人體截面。EE樣條是一種新的樣條函數(shù)，它結(jié)合了貝塞爾和B樣條等其他樣條的優(yōu)點(diǎn)。Jiang等[17]利用超橢圓曲線和EE參數(shù)樣條曲線擬合，解決了與乳房周長(zhǎng)預(yù)測(cè)相關(guān)的問(wèn)題。Hu[18]提出了一種用于人臺(tái)模擬的人體橫截面幾何擬合，結(jié)合了簡(jiǎn)單的形狀，如圓形、橢圓形、超橢圓弧線，以及穿著參數(shù)。顯然，這些曲線擬合和建模技術(shù)對(duì)人體測(cè)量的有效性依賴(lài)于橫截面數(shù)據(jù)的質(zhì)量或人體參數(shù)，這不可避免地需要三維掃描技術(shù)來(lái)獲取人體表面的精確數(shù)據(jù)云[19]。

本研究將著重于使用二維成像系統(tǒng)來(lái)生成服裝定制應(yīng)用所需的人體基本尺寸數(shù)據(jù)。該系統(tǒng)獲取受試者的正面和側(cè)面圖像，從兩個(gè)二維圖像中提取出正側(cè)面輪廓，測(cè)量從輪廓中找到的標(biāo)志點(diǎn)處的人體寬度和深度。基于各部位的寬度和厚度值進(jìn)行頸部、胸部、下胸部、腰部、腹部和臀部六個(gè)特征部位的圍度預(yù)測(cè)，并將預(yù)測(cè)結(jié)果與手工測(cè)量結(jié)果進(jìn)行了比較。最后從服裝生產(chǎn)要求的角度對(duì)各個(gè)特征部位的回歸公式進(jìn)行了誤差分析。本研究的目的是通過(guò)一種避免使用三維掃描和曲線逼近的新方法，為人體測(cè)量提供一種簡(jiǎn)單、經(jīng)濟(jì)的解決方案，這種方法對(duì)于小型企業(yè)和家庭使用來(lái)說(shuō)是一個(gè)有吸引力的選擇。綜上，本研究將討論用于獲取正面和側(cè)面圖像的二維系統(tǒng)裝置、基于輪廓提取的寬度和深度測(cè)量、特征部位的分類(lèi)和圍度預(yù)測(cè)模型建立。

1 二維圖像獲取

二維測(cè)量系統(tǒng)應(yīng)具有以下功能：1)用已知目標(biāo)校準(zhǔn)正面和側(cè)面圖像；2)提取兩幅圖像的正側(cè)面輪廓；3)從人體輪廓中找出特征點(diǎn)獲得基本尺寸；4)基于寬度和深度建立回歸模型估計(jì)人體圍度。

系統(tǒng)整體裝置如圖1所示。由兩塊150 cm×200 cm的黑色背景板呈90°擺放形成拍攝背景，拍攝對(duì)象站在拍攝背景的中心。兩個(gè)單反相機(jī)(佳能600 D)安裝在三腳架上，放置于距離拍攝對(duì)象約2.5 m的位置。相機(jī)的焦距需要調(diào)整以使相機(jī)能夠完整地拍到被攝對(duì)象。這兩個(gè)相機(jī)通過(guò)USB接口由一臺(tái)電腦控制，可同時(shí)拍攝正面和側(cè)面的數(shù)字圖像，以避免因身體呼吸和搖擺而產(chǎn)生的誤差。

圖1 實(shí)驗(yàn)裝置Fig.1 Experimental facility

由于兩個(gè)相機(jī)的焦距和拍攝距離可能略有不同，因此需要與已知目標(biāo)進(jìn)行校準(zhǔn)，以確保它們的空間分辨率(即dpi)是相同的。用兩個(gè)相同寬度(5 cm)和長(zhǎng)度(1 m)的白紙條橫向粘貼在兩個(gè)黑色板塊的中心(圖2)。在獲取正面和側(cè)面圖像后，計(jì)算每個(gè)白色紙條的像素來(lái)獲取空間分辨率。如果兩個(gè)空間分辨率的差值大于1%，則需要通過(guò)調(diào)整其中一個(gè)攝像機(jī)的焦距或改變其距離來(lái)重復(fù)校準(zhǔn)。

圖2 校準(zhǔn)示意Fig.2 Calibration diagram

本研究的實(shí)驗(yàn)對(duì)象是295名年齡在18～24歲，身高在150～170 cm的年輕女性。從一大批年輕女性中隨機(jī)抽取受試者，排除了身體明顯異常的女性。所選實(shí)驗(yàn)對(duì)象的人體尺寸是根據(jù)國(guó)際人體測(cè)量標(biāo)準(zhǔn)ISO/TR 7250-2(2010)中的步驟，手工測(cè)量獲取。表1為這些實(shí)驗(yàn)對(duì)象7個(gè)部位的基本尺寸信息。

表1 被測(cè)對(duì)象基本尺寸信息Tab.1 Basic size information of female subjects

在拍攝的過(guò)程中(約2 s)，被攝對(duì)象光腳站在背景的中心，穿著從實(shí)驗(yàn)室里提供的淺色衣服，兩個(gè)手臂稍微離開(kāi)身體擺放。被攝對(duì)象需戴帽子遮住頭發(fā)，以便準(zhǔn)確測(cè)量人體高度，不佩戴眼鏡、手表、項(xiàng)鏈或戒指等飾品。

在輪廓提取之前，可能需要對(duì)正面和側(cè)面圖像進(jìn)行簡(jiǎn)單的圖像處理，例如裁剪圖像，使圖像中只出現(xiàn)人體和黑色背景，或者調(diào)整亮度和對(duì)比度，使人體更加容易識(shí)別。圖3顯示了測(cè)量對(duì)象的正面和側(cè)面圖像。

圖3 人體正、側(cè)面照片F(xiàn)ig.3 Frontal and side images of human body

2 基本尺寸提取

通過(guò)分析人體正面和側(cè)面輪廓的特征，可以確定特征點(diǎn)，以計(jì)算特征尺寸，如高度、寬度和深度。為了尋找一個(gè)特征點(diǎn)，首先用高度范圍來(lái)確定極限，然后用形狀特征來(lái)確定實(shí)際的位置。

以臀部特征點(diǎn)為例，根據(jù)手工測(cè)量數(shù)據(jù)對(duì)基本人體比例的統(tǒng)計(jì)分析，臀部高度在人體身高的45%～58%。臀部被定義為在這個(gè)范圍內(nèi)最寬的水平線，通常是指橫向經(jīng)過(guò)臀部最豐滿的位置，在人體側(cè)面輪廓上比較明顯。設(shè)線段Lt和線段Lb表示臀部高度范圍，線段L表示Lt和線段Lb之間的一條掃描線，計(jì)算線段L上點(diǎn)A和點(diǎn)B之間的距離。當(dāng)距離為最大值時(shí)，這條線可以標(biāo)記為臀線。如圖4所示，直線L上點(diǎn)A與點(diǎn)B之間的距離為臀深。在正面輪廓相同的高度取直線L1，點(diǎn)A1和點(diǎn)B1之間的距離是臀寬(圖5)。用相似的方法可以識(shí)別其他的特征部位，在正側(cè)面輪廓上測(cè)量寬度和深度值。通過(guò)二維測(cè)量系統(tǒng)在正面和側(cè)面輪廓上提取出的寬度、深度和高度信息，可自動(dòng)提取出六個(gè)特征部位的基礎(chǔ)尺寸，包括頸部、胸部、下胸部、腰部、腹部和臀部。這些部位是與女性上半身服裝尺寸最相關(guān)的特征位置。

圖4 臀部深度測(cè)量示意Fig.4 Measurement diagram of hip depth

圖5 臀寬測(cè)量示意Fig.5 Measurement diagram of hip width

3 圍度擬合

人體圍度在輪廓圖中是不能直接測(cè)量的，因?yàn)閲雀鷻M截面的形狀也有關(guān)系。為了在寬度和深度的基礎(chǔ)上實(shí)現(xiàn)更精確的圍度預(yù)測(cè)，人體形狀被劃分為幾個(gè)群體。由于特征部位的寬度和深度是顯示截面形狀信息的主要參數(shù)，能夠反映出人體體型特征的差異性，與各部位圍度值有著較高的相關(guān)性，因此可以使用深度/寬度比(Rdw=深度/寬度)將人體各部位進(jìn)行分類(lèi)。

每個(gè)特征部位中分類(lèi)的實(shí)際數(shù)量取決于實(shí)際求得的Rdw值，如胸部就按照胸部深度與胸寬的比值進(jìn)行分類(lèi)。表2列出了6個(gè)特征部位的分類(lèi)結(jié)果，10人以下的類(lèi)別可忽略不計(jì)。結(jié)果顯示臀部分類(lèi)只有兩類(lèi)，而頸部被分為了四類(lèi)。除了臀部以外，所有特征部位第二類(lèi)人數(shù)最多。

表2 各部位分檔結(jié)果Tab.2 Class classification of each part

使用SPSS軟件可建立以圍度為因變量，厚度、寬度為自變量回歸模型，如下式所示。

Girth=A0+A1×Depth+A2×Width

(1)

式中：Girth為圍度值，A0為常數(shù)項(xiàng)，A1和A2為回歸系數(shù)，Depth為深度值，Width為寬度值。

利用線性回歸分析可獲得回歸系數(shù)R2、常數(shù)項(xiàng)A0及系數(shù)An，建立圍度預(yù)測(cè)回歸模型。為了驗(yàn)證各部位圍度值與寬度、深度三個(gè)尺寸之間是否存在較為明顯的線性關(guān)系，首先利用散點(diǎn)圖分析了它們之間的分布情況，看是否呈線性分布趨勢(shì)。以臀部?jī)深?lèi)人體圍度、寬度、深度值為例，可以看出這三個(gè)數(shù)據(jù)大致上呈現(xiàn)出線性關(guān)系，如圖6和圖7所示。

圖6 臀部第一檔散點(diǎn)圖Fig.6 Scatter diagram of the first class in hip

圖7 臀部第二檔散點(diǎn)圖Fig.7 Scatter diagram of the second class in hip

其他部位的散點(diǎn)圖也呈現(xiàn)出明顯的線性關(guān)系。因此，基于6個(gè)特征部位的寬度和深度值分別建立各個(gè)類(lèi)別的回歸模型，對(duì)各部位的圍度值進(jìn)行預(yù)測(cè)，從而使該人體尺寸提取系統(tǒng)能夠間接地獲得人體三維尺寸。各部位回歸方程的常數(shù)項(xiàng)A0、系數(shù)An及回歸系數(shù)R2如表3所示。由表3可知，除下胸部第三類(lèi)以外，其余各類(lèi)別的回歸系數(shù)均大于0.83，因此該回歸模型是可行的。

表3 各部位回歸模型Tab.3 Regression models of each part

以腰部第一類(lèi)數(shù)據(jù)為例，表4和表5分別顯示了回歸模型方差分析和殘差正態(tài)性檢驗(yàn)結(jié)果。結(jié)果顯示回歸模型的F統(tǒng)計(jì)量的觀察值為1 182.186，概率P值為0.000，說(shuō)明在顯著性水平為0.05的情形下，腰圍與腰寬、腰深三者之間有線性關(guān)系。根據(jù)殘差正態(tài)性檢驗(yàn)發(fā)現(xiàn)，無(wú)論是KS檢驗(yàn)還是SW檢驗(yàn)，Sig.值均大于0.05，說(shuō)明殘差值服從正態(tài)分布。

表4 腰部第一類(lèi)回歸模型方差分析Tab.4 ANOVA of the regression model of the first class in waist

注：因變量為腰圍；預(yù)測(cè)變量(常量)為腰寬、腰深。

表5 腰部第一類(lèi)殘差正態(tài)性檢驗(yàn)Tab.5 Normality test of the residual of the first class in waist

注：“*”這是真實(shí)顯著水平的下限；“a.Lillefors”顯著水平修正。

除此之外，本研究還另外挑選了50名青年女性進(jìn)行了手工測(cè)量，通過(guò)對(duì)比分析模型預(yù)測(cè)值和手工測(cè)量值來(lái)檢驗(yàn)回歸模型的精確度。圖8顯示了圍度預(yù)測(cè)值與相應(yīng)的手工測(cè)量的誤差，可以發(fā)現(xiàn)90%以上的數(shù)據(jù)誤差均在±2 cm。表6為各部位圍度預(yù)測(cè)值與手工測(cè)量值的均值、標(biāo)準(zhǔn)差和相關(guān)系數(shù)，均值和標(biāo)準(zhǔn)差差異不大，高相關(guān)系數(shù)也表明預(yù)測(cè)值與手工測(cè)量值具有較高的一致性。

圖8 各部位圍度值預(yù)測(cè)誤差Fig.8 Prediction errors of girths at each part

表6 圍度預(yù)測(cè)誤差分析Tab.6 Error analysis of girth prediction

4 結(jié) 論

本研究集中于使用二維人體圖像來(lái)提取MTM應(yīng)用所需的人體基本數(shù)據(jù)，并提出了一種簡(jiǎn)單而經(jīng)濟(jì)的人體測(cè)量方法，可以避免復(fù)雜的三維掃描和曲線擬合。根據(jù)被試者的正面和側(cè)面圖像，提取出正側(cè)面輪廓，得到特征部位的寬度和深度，并計(jì)算出這些特征部位的深度/寬度比，將人體劃分為若干個(gè)小群體。在每個(gè)類(lèi)別中，使用寬度和深度建立了圍度預(yù)測(cè)模型。根據(jù)各部位回歸模型的回歸系數(shù)、顯著性水平及殘差正態(tài)檢驗(yàn)，可以看出回歸模型是可行的。另外選取了50名實(shí)驗(yàn)對(duì)象作對(duì)比發(fā)現(xiàn)，圍度預(yù)測(cè)值和手工測(cè)量值沒(méi)有顯著差異，各個(gè)部位超過(guò)90%的數(shù)據(jù)誤差均在±2 cm。