体表特征参数对远程人体测量精度的影响

许家岩， 匡才远

(1.无锡工艺职业技术学院 服装工程系，江苏 无锡 214200；2.金陵科技学院 艺术设计学院，南京 210000)

“互联网+”时代，顾客可通过网络或手机APP完成服装款式、面料的在线定制。但远程人体尺寸的准确获取仍然是困扰服装网络营销和量身定制的重要问题[1]。基于人体数字图像的远程人体测量系统，是一项新兴数字化服装技术，成本低、操作方便，能满足现代服装网上定制的需求，具有较高的实用价值[2]。

非接触式人体测量法，通过人体的正面和侧面图像，直接提取高度、宽度、厚度等数值，再应用数据拟合获得人体围度等尺寸。郭力子等[1]提出对二维图像实施交互式测量获取特征部位数据，如宽度、厚度、夹角、两点间距离等，再利用人体拟合曲线方程计算出人体关键部位尺寸。徐慧明等[3]利用图像分割背景差分法提取人体图像轮廓，再根据边缘检测、人体部位与身高比值确定关键部位特征点，最后通过消失点方法与比例法的结合获取人体参数尺寸。

尺寸提取精度是远程人体测量系统的重要问题，影响它的推广和使用体验。在远程非接触测量系统中，无法从平面图像上直接确定特征点的位置及特征尺寸，需要按照人体体表特征规律来间接提取人体尺寸，比如利用各特征点高度与身高的比值确定其高度位置。围度尺寸不能直接提取，需要通过曲线拟合等进行尺寸预测。解决尺寸提取精度问题，首要问题选择合适的体表特征参数，分析出各体型的特征，建立合理的算法模型。常用的体表特征参数主要有三种：体表角度、人体宽厚比、裆底高/身高。匡才远等[4]从人体体表形态出发，以代表性人体体表角度为分类参数，利用二元二次回归和BP神经网络仿真进行围度尺寸拟合；刘国联等[5]从人体围度截面的扁平程度出发，将人体部位宽厚度的比值作为体型分类的参数，利用三维点云图和人体正侧面照片的提取数据，对青年男体围度尺寸进行测定与分析研究；黄秀丽[6]从人体上下体比例的高度特征出发，利用裆底高/身高将人体分为3种类型，并用双椭圆曲线拟合、二阶最小二乘回归分析和BP神经网络仿真等服装常用围度尺寸进行拟合预测。

为了进一步提高远程人体测量系统的精度，本文首先从图像校正、图像轮廓、特征尺寸提取方面分析系统的构建，再利用体表角度、围度宽厚比、裆底高/身高建立不同的尺寸提取系统，然后将提取的青年男性宽度、厚度与三维测量数据对比分析，最后进行青年男性围度分类拟合，研究不同体表特征参数对远程人体测量精度的影响。

1 人体数据获取

以年龄为l8～26岁的在校未婚青年男学生为研究对象，测量人数为276人。根据远程测量系统的实用要求，测量对象穿着紧身内衣，以保证提取数据的准确性，如图1所示。

图1 人体正、侧面图像Fig.1 Front and side photos of human body

运用苏州大学远程非接触测量系统和手工测量法，主要从高度、围度、宽厚度、体表角度四个方面获取青年男体的体型数据，如身高、裆底高、胸围、腰围、胸宽、胸厚、肩宽、肩斜角、臀突角等[2]。对数据本身进行预处理，以剔除异常数据，保证后续研究的可靠性和真实性，得到有效人体数据255人。

2 远程人体测量系统

远程非人体测量系统，可分为用户终端、数据传输网络和远程人体测量中心三个模块[2]。其中远程人体测量中心是核心技术模块，主要包括图像轮廓提取和尺寸提取两部分。用户根据系统要求提供正、侧面图像，以及性别、身高等信息。系统先后对图像进行预处理、图像阈值分割、围度尺寸拟合等过程后，提取人体正侧面尺寸，并进行尺寸校正，最后将测量结果反馈给用户，如图2所示。

图2 远程人体测量系统的构建Fig.2 Construction of long-range body measurement system

2.1 图像校正

图像畸变存在于任何光学相机成像中，分为透视畸变和几何畸变。其中几何畸变是影响图像点坐标质量的一项重要因素，分为枕型、桶型和线性三种。相机的CCD(电荷耦合器件)是影响畸变的关键因素，CCD面积越大，图像畸变越小。相机高分辨率、距离适中拍摄时，畸变程度小；广角模式近距离拍摄时，畸变程度大。本文选用佳能600D相机，配EF 50 mm F1.2L USM定焦镜头作为实验用相机，拍摄距离4.5 m，后续研究中可根据不同CCD面积提供相应的图像拍摄参考。

在被测者相同位置放置标准女全身吊挂人台(胸围84 cm)，相机拍摄高度与人台前腰围相齐，以减少相机失真对人体上身的影响，如图3所示。在Coreldraw软件里测量三张照片的部位数据尺寸，再利用所得参数进行几何畸变校正，实验结果见表1。畸变校正后的人台尺寸与实际尺寸的差值均在0.5 cm以下，其中身长的误差最大为0.46 cm，对比国标上装衣长尺寸允差值±1.5 cm，此误差在可允许范围内，校正实验的设计有效。

图3 校正实验Fig.3 Calibration experiment

表1 图像校正实验结果Tab.1 Results of the calibration experiment cm

2.2 图像轮廓

图像分割是分离图像中的物体，把图像分裂成像素集合，从而准确地分割出目标信息。本系统采用最优阈值分割作为人体图像边缘提取的图像分割方法，将RGB图片转换为二值图像，再运用孔洞填充、开运算及像素连通性等算法对人体数字图像进行处理，最终得到完整的目标人体轮廓[7]，如图4所示。

图4 图像轮廓提取过程Fig.4 The process of picture contour extraction

2.3 特征尺寸提取

根据人体测量数据的统计结果可知，人体特征点的高度与身高之间存在显著关系，两者的比值分布在一定范围内[5]。不同的体型特征分类对人体特征点高度与身高比值的聚集度有重要影响，见表2。在人体宽厚比中，将具有相同比值的围度所对应的高度与身高做对比，选取频数较多的三类体型为例。

表2 人体特征部位高度与身高比值Tab.2 The proportion of characteristic part height and stature

在获得的人体图像轮廓中，利用区域描绘子(regionprops)从最佳阈值分割的图像中找出人体的极值点，H身高=abs(h1-h2)。以腰围位置为例，同一类人体中，腰围高占身高的比例分布在一定区间内[w1，w2]。根据腰围的定义，在[w1，w2]内，同一行上左像素点所在列数与右像素点所在列数差的绝对值的最小值就是腰宽的像素值，即WH。在人体侧面图像中(图5)，[w1，w2]行内左右像素点所在列数差的最小绝对值为腰厚的像素值。以此为原理，可以提取到人体各关键围度的高度、宽度、厚度。

图5 人体图像尺寸提取Fig.5 The extraction of body image sizes

根据人体图像边缘上特征点确定方法，提取人体各部位尺寸，如图4(c)所示。将图像提取的66个样本值与人工测量值进行独立样本T检验，来验证其与手工测量值的差异显著性，检验结果见表3。人体部位图像提取值与手工测量值不存在明显差异，平均值之间差值小于1 cm，双尾检测P均大于0.05，图像提取值与照片测量值基本吻合，同时表明基于人体图像处理的非接触测量系统的可行性和合理性。

表3 图像提取值与照片测量值的T检验结果Tab.3 T-test result of the image extraction value and the photo measurement value

3 体表特征参数分类

3.1 体表角度分类

人体形态的概念是综合的，不仅反映对象的高矮、胖瘦，还应反映对象的体表曲线。人体体表轮廓随年龄变化、性别差异而不同，主要体现在肩部、背部、腹部、腰部和臀部等部位[8]。不同部位体表角度可以反映人体局部或整体形态特征，如肩斜角、臀突角、体侧角、背入角和背侧角等，如图6所示。同时，体表角度也与人体的其他特征尺寸存在密切关联性[4]。肩斜角涉及到的人体主要尺寸有肩宽、颈围和右落肩，其中肩斜角与右落肩的相关系数为0.874，表明肩斜角越大、右落肩越大，结构制图中肩斜线越倾斜。臀突角与臀厚的相关系数为0.421，表明臀突角在一定程度上能反映人体侧面臀部的变化，臀突角越大，臀部越凸出。体侧角与胸腰围差、腰臀围差的相关系数为-0.465和-0.446，存在显著负相关关系，表明该角度能较好地反映了人体胸腰围、腰臀围之间的体表变化，即胖瘦变化。而背入角是描述背部的倾斜程度(挺胸、正常、驼背)的客观数据指标,它的大小能直观地展现人体的背部形态。背侧角与腰臀围差的相关系数为0.589，表明背侧角不仅能反映背部腰臀间的体表形态，而且能反映腰围、臀围间的围度值变化。

图6 人体角度部位图Fig.6 Maps of the body-surface angle

人体体表角度间存在一定的关联性，角度过多会不利于体型分类的科学性。通过SPSS软件对体表角度的相关性分析，选取肩斜角、臀突角、背入角3个角度作为典型性体表角度[4]。因体表角度数值相对较小，如臀突角的平均值只有19.11°，过多的分档并不利于后续的体型特征分析。选用标准差将变量进行三分制区分，最终得到3×3×3=27类体型，见表4。在角度的划分中，人数比例上下偏离中间体约10%，呈正态分布且左右对称的原则。人数较多的体型为肩正背正臀正68人、肩溜背正臀正40人、肩正背驼臀正25人和肩平背正臀正21人，10类体型人数在10人以下。

3.2 人体围度宽厚比分类

人体的宽度与厚度在服装的结构设计中有重要的作用。人体的各个围度截面呈现了不同的扁平程度，围度部位的厚、宽度尺寸和截面形状存在明显相关性。因此可将人体部位宽厚度的比值作为人体体型分类的参数依据，如胸宽︰胸厚、臀宽︰臀厚[5]。利用IMAGEWARE12将比值相同(胸宽︰胸厚和腰宽︰腰厚)的20个胸围和腰围分别绘制在同一坐标轴上，如图7所示。结果表明具有相同宽厚比直的人体，围度形态特征基本相同，围度宽厚比作为体型分类是可行的。

首先运用SPSS软件对人体主要围度部位的宽厚比值进行预处理，去除奇异值后，得到胸、腰、腹、臀的比值区间差约为0.6，颈、大腿、膝、小腿的比值区间差约为0.3。在档差的划分中，档差过小(如0.02)、过大(如0.2)，都对后续的人体分类和围度拟合分析带来不利影响[5]。在本文的研究中，对不同部位采用不同档差的分类原则，分别取0.1和0.05，对人体主要围度按照宽厚度比值进行分档，结果见表5。各围度部位的分档人数不均匀，呈现一定规律分布。

图7 同宽厚比分类体型的围度形状Fig.7 Girth shapes with the same ratio of girth width and thickness

档差类别1档差人数2档差人数3档差人数4档差人数5档差人数6档差人数胸部宽厚比1.13～1.2261.23～1.32491.33～1.42941.43～1.52801.53～1.62221.63～1.724腰部宽厚比1.16～1.2581.26～1.35751.36～1.451141.46～1.55481.56～1.6581.66～1.752臀部宽厚比1.11～1.2021.21～1.30551.31～1.401101.41～1.50761.51～1.60101.61～1.702颈部宽厚比0.89～0.94131.21～1.30501.00～1.04921.05～1.09611.10～1.14291.15～1.194大腿宽厚比0.76～0.8090.81～0.85270.86～0.90890.91～0.95780.96～1.00381.01～1.055

3.3 裆底高/身高分类

裆底高度关系到上体长与下体长的比例是否协调，在体型上能代表人体的高度特征，如图8所示。图8(a)裆底矮的体型，上体稍长，腿型偏短，人整体下沉；图8(b)裆底中等体型，人体上下体比例适中；图8(c)裆底高的体型，上体偏短，腿较长，身材高挑[9-10]。在身高相同的情况下，比值越大，腿越长。在时装或平面模特的选拔中，可采用裆底高/身高的比值可作为衡量腿长的指标，而不仅是参考绝对腿长。裆底高与腰高的数值关系，对合体裤装结构制图中的上裆(或股上长)有指导意义。

图8 裆底高/身高人体体型Fig.8 Human body-shape with the ratio of crotch height and body height

将实验青年男体数据，通过剔除现奇异值，确定裆底高/身高的比值范围在0.402～0.473，利用等分法把符合要求的255个样本分为三类，如表6所示。分类结果中，第二类体型样本数最多、所占比例71.76%，其次是第三类体型19.20%，第一类体型样本数最少只有9.02%。

4 尺寸拟合精度分析

4.1 围度尺寸拟合

人体长度和围度数据是服装用主要尺寸。在非接触人体测量系统中，长度尺寸如身高、肩宽、裆底高、臂长等，可通过在人体图像上确定特征点后直接提取。围度尺寸的获取相对复杂，只能先提取人体正侧面图像的围度部位宽度与厚度，再利用曲线拟合等数学模型近似拟合具体部位的围度数据。

在对人体各部位围度尺寸拟合之前，要确定人体宽厚度与围度之间是否具有相关关系。运用SPSS软件的皮尔逊相关性分析方法，对非接触人体测量系统提取的人体宽厚度进行相关性检验，并做出它们的散点图，计算其相关性，以腰围为例，见图9。相关性分析结果表明，人体各围度与其截面的宽厚值均存在明显的相关性，其中人体躯干部位如胸、腰、腹、臀的相关性最为显著。

图9 腰围部位散点Fig.9 Scatter diagrams of the waist

在对人体围度的尺寸拟合中，常见的有椭圆曲线拟合、对数曲线、回归模型分析、BP神经网络仿真等。在基本满足服装制作的前提下，从简便、可靠性的方面来考虑，本文采用二元线型回归模型，对人体围度和宽厚度进行分析，得出不同体型分类条件下人体的围度拟合公式，部分拟合方程见表7—表10。

表7 体表角度分类体型围度拟合方程Tab.7 Fitting equations of the body girths based on the classification of body-surface angle

表8 宽厚比体型分类围度拟合方程(胸部、腰部)Tab.8 Fitting equations of the body girths based on the ratio of girth width and thickness (Bust and Waist)

表9 宽厚比体型分类围度拟合方程(臀部、颈部)Tab.9 Fitting equations of the body girths based on the ratio of girth width and thickness (Hip and Neck)

表10 裆底高/身高体型围度拟合方程Tab.10 Fitting equations of the body girths based on the ratio of crotch height and body height

4.2 拟合精度分析

选取40人作为检验样本，用人体表角度、宽厚比、裆底高/身高分别进行分类，同时采用相关的回归计算模型，预测他们的围度尺寸。因3个样本在人体体型分类后，缺乏对应的拟合方程，最终将37人的实际三维测量值与不同体型分类的拟合值进行对比分析。在对比分析中，鉴于人体围度的差异性，本文利用相对误差(绝对误差与三维测量值的比值)来检验实验结果，并进行对比研究，见表11。

表11 误差分析结果Tab.11 Results of the error analysis

验证结果表明，在非接触式测量下，3种人体型分类方法下人体围度尺寸预测都具有可行性。其中，人体围度宽厚比分类的回归拟合方程其预测精度更为准确，平均误差均在1 cm以下，具有较高的实用价值。上下装尺寸误差中胸围允差2 cm，而根据相关资料，胸围85 cm成人在呼吸之间变化量为2.1～3 cm，因此本文认为人体胸围数据精度误差在2.5 cm，即3%以内，符合人体测量要求，并以此推广到其他围度尺寸，见表12。

表12 围度拟合精度对比Tab.12 Comparison of girth fitting precision

注：数据为误差绝对值3%以内。

在三类体型特征参数中，基于围度宽厚比建立的测量系统预测精度最佳，在胸围、腰围、臀围、大腿围等尺寸的预测误差超过50%在2%以内，尤其在臀围预测中，最大误差值只有3.58%。基于人体体表角度的测量系统，在胸围、腰围、臀围的预测精度较好，尤其在腰围的预测精度最好，超过62.2%的尺寸误差在2%以内。鉴于体表角度反映了人体躯干部位的体态变化，该方法更适用于对人体躯干体型或上装结构设计的研究。基于裆底高/身高比分类的测量系统，人体围度预测结果最不理想，在颈围、胸围、腰围、臀围等部位预测误差波动大，有35%以上的预测值误差大于5%，但对大腿围的预测精度要好于体表角度分类。因此，该方法不适用与对人体躯干部的围度拟合，只适用于对人下体或下装的设计研究。

由于在三维人体测量和照片拍摄过程中，人体姿势不能完全一致，这也可能导致远程测量系统精度不够理想。

5 结 论

本实验基于青年男体的围度数值，研究不同体表特征参数对远程人体测量精度的影响，所得结论如下：

1)基于图像校正、轮廓提取的基础上，利用人体特征点高度与身高比值的定位获得人体正侧面照的图像高度、宽度、厚度等数据，再对围度尺寸进行拟合预测是合理的。表明利用远程非接触测量方法对于人体尺寸提取和预测是可行的。

2)在体表特征参数中，依据人体围度宽厚比分类建立的远程人体测量系统其整体的预测精度更为准确。但从人体局部而言，人体体表角度分类更适用于对人体躯干部位形态研究，可运用到特殊体型的衣身样板调整；裆底高/身高比分类则反应人下体的形态比例，对下装的版型设计有参考价值。

基于人体围度宽厚比分类建立的远程人体测量系统，能够较好的预测人体的围度尺寸数据，具有可行性及实用价值。