基于人体特征识别的3D服装造型技术研究

发布时间：2020-07-05 07:58

【摘要】：服装是社会文化的重要组成部分,也是人们日常的生活必备消费品。近年来,随着经济和社会的快速发展,服装的流行趋势正呈现出个性、合体、时尚的典型特征。传统的服装定制,由于客户的特殊要求和规范化标准的缺乏,主要通过对客户的身材进行单独测量及其服装裁剪,从而导致生产周期长,产量低。裁缝个人水平的高低在很大程度上决定了服装的舒适度和美观度。传统的服装定制固有的产品质量稳定性差、误差大的局限性,使得其在现代化工业的条件下,难以满足人们对服装量身定制的大规模需求。针对服装大规模量身定制需要解决的关键技术问题,本文主要研究3D服装人体的特征识别及3D服装数字化造型。首先,结合人体比例学给出的服装人体特征的位置关系,运用随机森林算法对主要服装人体特征进行统计识别,并进行了人体尺寸的测量。以此为基础,提出应用服装人体特征点构造3D服装原型的算法,即将3D服装原型划分为肩部、胸部、腹部、后背以及过渡区域进行分片造型。通过基本的几何运算实现3D衣片到2D平面的展开,然后,应用层次B-样条研究并提出3D衣片的形状调节和几何细节编辑算法,实现了肩部、胸部、腹部、后背等部位3D衣片的多分辨率编辑。使着装效果更贴合3D人体形状。最后,依据服装织物的弯曲、剪切、拉伸等力学性能,引入质点-弹簧模型,结合Eluer算法和AABB碰撞检测算法对3D衣片进行着装仿真。仿真实验结果表明,本文提出的方法达到了预期目标,为大规模量身定制提供了有益的技术借鉴。
【学位授予单位】：北京服装学院
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TS941.17
【图文】：

示意图,人体特征,示意图,森林

人体特征点示意图

示意图,森林,构建过程

也是测量裤长的参考点。位于脚腕两旁突起的部位。图 1 人体特征点示意图2.2 随机森林分类随机森林[18]顾名思义，就是使用随机的方式建立森林，森林由若干决策树组成，随机森林里每一棵决策是之间都是相互独立的，没有任何关联。完成随机森林的构建后，便可以进行判断，每当新的输入一个样本后，随机森林的每一棵决策树开始一轮的判断，采用分类算法确定该样本应该属于哪一类，分类算法选择样本数最多的归属于同一类。这样，样本的分类预测就确定了。作为一种统计学习理论，随机森林的随机主要包含两个方面，第一点是在每一轮的训练中，首先从原始样本集中抽取样本点，方式采用有放回、固定数目的抽取，然后形成 m个样本集，这些样本集之间没有任何关联。第二点是从总的分裂属性中采用随机的方式抽取一定量的属性，这些属性用来建立每一棵决策树，这样就保证了对于每一棵树形分类器的互不关联性。依次下去，随机构建的 m 个决策树便组成了随机森林。

【相似文献】