翟黎莉， 錢曉明， 王 瑞， 隗合月

(1. 天津工業(yè)大學 紡織學院， 天津 300387； 2. 國家特種防護服裝質量監(jiān)督檢驗中心， 北京 100082)

?

基于服裝定制的女性人體美預測模型的建立

翟黎莉1,2， 錢曉明1， 王 瑞1， 隗合月1

(1. 天津工業(yè)大學 紡織學院， 天津 300387； 2. 國家特種防護服裝質量監(jiān)督檢驗中心， 北京 100082)

服裝定制是服裝工業(yè)生產的新趨勢，修飾和美化人體是服裝定制的基本功能之一。通過對三維人體掃描數據進行回歸分析，得到影響人體美的11個重要身體尺寸；以這11個尺寸為基礎共選擇了15個可反映女性體形特征的主要人體比例。通過對15個主要人體比例的主元分析、二次型分析等建立了人體美預測模型。根據模型，可以定位個體在形體上存在不足的部位，在服裝定制時利用服裝進行修飾，以到達美化人體的目的，從而為個性化服裝設計提供理論基礎。

服裝定制； 女性； 人體美； 預測模型； 身體比例

近年來，隨著三維人體掃描技術的發(fā)展，服裝定制在服裝工業(yè)中逐漸成為一種新的趨勢。服裝定制的個性化設計，能夠使服裝更好地發(fā)揮修飾和美化人體的這一基本功能[1]。人體是服裝的對象，也是制作服裝的依據，服裝與人體有非常密切的關系。人體美是服裝美的前提，服裝美是人體美的彰顯，二者是相輔相成、不可分割的整體[2]。服裝可以展現或強化人體的優(yōu)美特征，并且修正或彌補人體的某些不足，揚長避短，在視覺感知上提升人體美感[3-4]。要使服裝能更好地美化人體、修正人體，就必須要知道人體美在哪里，哪些地方存在不足才能有針對性的選擇和設計服裝。

女性人體內脂肪的含量和分布狀態(tài)是形成人體曲線美的主要原因。雖然人體外形的自然起伏和形狀變化是有規(guī)律的，但是由于每個人的體質發(fā)育情況各不相同，形成了在體態(tài)及身體比例上的千差萬別。

人體美的程度用吸引力等級表示，一般情況分為1～9共9個等級，1級最低，9級最高。WHR(腰臀比，腰圍與臀圍的比值)、BMI(體質指數，體重與身高平方的比值)和VHI(體積身高指數，體積與身高平方的比值)是3個重要的人體美評價指標，與吸引力等級間存在強烈的相關性，可以從整體上預測吸引力等級[5-7]， 并不能定位個體在形體上存在的不足。所以，本文在WHR、BMI和VHI的基礎上，研究了對女性人體美影響較大的身體部位尺寸間的比例與吸引力等級間的關系，并建立以身體比例為參數的人體美預測模型，從而為定制服裝個性化設計提供理論基礎。

1 實驗部分

1.1 實驗儀器及軟件

采用法國Lectra(力克)非接觸式激光三維人體掃描儀器采集人體數據；采用精度為0.1 kg的電子計重儀和精度為0.1 cm的身高測量儀測量體重和身高。采用Bodyscan Comparator軟件計算人體體積、人體寬度和厚度值。

測量環(huán)境的溫度為(28±2)℃，相對濕度為(60±5)%，適合裸體測量。

1.2 實驗對象

對年齡在20～25歲之間的天津工業(yè)大學的在校女學生進行隨機抽樣，共抽取100名女性作為實驗樣本。

1.3 人體掃描

利用Lectra三維人體掃描儀對100名青年女性進行人體掃描，獲取人體數據和三維人體掃描圖像，并利用MAYA軟件將掃描圖像制作成可360°勻速旋轉的電影剪輯作為評價對象[8]，如圖1所示。4個狀態(tài)分別表示電影剪輯播放開始時，播放3、6、9 s時。圖像旋轉360°的時間為12 s；圖像的背景為淺灰色，人體顏色為青色。

圖1 人體旋轉的狀態(tài)Fig.1 Example of movie clip

為了保證三維人體掃描的準確性和一致性，要求測試者統(tǒng)一穿著緊身合體的淺色內衣，在相同的位置按要求擺出相同的姿勢，不可佩戴任何首飾，需要時綰起長發(fā)。

1.4 實驗過程

共有40名年齡在20～25歲之間的來自天津工業(yè)大學的學生被邀請對100幅在電腦屏幕上播放的女性人體電影剪輯進行人體美評級。評級時，通過MediaLab軟件，評價者可以根據自己的感知隨時選擇等級，一旦選擇將會自動進入下一個剪輯，而不用等待該剪輯播放完畢，這樣會減少評級的時間。經過統(tǒng)計，一個剪輯的平均評級時間為6.02 s；整個評級過程的最長用時為864 s。評價者必須獨立完成全部評級。

2 吸引力等級預測模型的建立

2.1 主要身體尺寸的選擇

通過人體掃描和Bodyscan Comparator軟件計算共獲得92個身體尺寸。由于不同部位的尺寸相差較大，所以在數據分析前進行了預處理。首先將左右對稱的身體尺寸的平均值作為新尺寸值，然后求所有尺寸的偏差率作為新數據，共計54個，見式(1)。

(1)

在SPSS中，用逐步回歸法分析54個新數據與吸引力等級間的關系，見式(2)。

y=4.628+0.187x1-0.048x2-0.105x3-0.016x4+0.04x5-0.068x6+0.024x7-0.052x8-0.077x9+0.091x10-0.076x11(R2=0.683)

(2)

式中：y為人體美等級；x1～x11分別代表身高、腰高、胸高、乳間距、胸圍、腰寬、腰厚、臀厚、胸寬、腰圍和肩寬的偏差率。

式(2)共包含了11個身體尺寸的偏差率，說明這11個身體尺寸是影響吸引力等級的重要因素。以11個身體尺寸為主，分別計算水平方向上的尺寸與水平方向上尺寸的比值，垂直方向上尺寸與垂直方向上尺寸的比值，共得到12個身體比例。包括WHR、BMI和VHI在內，共有15個比例用于建立人體美預測模型。15個比例的名稱及描述性統(tǒng)計結果如表1所示。

表1 主要身體比例的描述性分析

2.2 數據分析

2.2.1 數據的標準化處理

為了消除數據間的量綱關系，使數據間具有可比性，將數據進行Z標準化處理，使變量間的單位統(tǒng)一，即標準化處理后數據的均值為0，標準差為1[9]。數據標準化的計算公式為

(3)

式中：Pn為原始身體比例的標準化值；P為原始身體比例；m為每組身體比例的平均值；s為每組身體比例的標準差。

2.2.2 主元分析

在15個主要比例中，由于有些比例間存在著很強的相關性，在分析時會造成分析的重復性或使分析過程變得冗長。為了減少這種重復性或分析過程的冗長，將15個比例進行主元分析。

在MatLab中[10]，用[ptrans, transMat]=prepca(pn, min-frac)函數做主元分析，共輸出3個主元向量，分別記作P1，P2和P3。主元分析所得的各個主元向量間是兩兩不相關的，只有這樣才能夠被作為獨立的變量進行分析。

2.3 二次型模型的建立

通過分析3個主元向量與吸引力等級間的關系可知，3個主元向量與吸引力等級間存在相似的非線性關系，以P1和P2為例說明，如圖2所示。

圖2 主元向量與吸引力等級間的關系Fig.2 Plots of relationship between P1 and P2 and attractiveness ratings

主元向量與吸引力等級間存在的非線性相關性可以用二次曲線擬合，擬合方程為

(4)

式中：y為吸引力等級；x1和x2分別表示P1和P2。由式(4)可以看出二次函數能夠比較好地擬合主元向量與吸引力等級間的關系，故選用二次型模型擬合各主元與吸引力等級間的關系。

全二次型模型由常數項、一次項、二次項(包括平方項和交叉項)組成。為了計算方便，全二次型通常進行標準型轉化以去除交叉項。轉化方法有2種，分別為正交變化法和配方法[11]。在MatLab中，用rstool語句建立全二次型模型，再采用正交變化法將全二次型模型轉化為標準型模型，見式(5)。m值是由主元向量的線性變化得到的，但與主元向量間并不存在一一對應的關系，即m1可解釋的身體比例并不一定對應著P1可解釋的身體比例。

y=4.726+0.160(m1-0.083)2-0.091(m2+0.471)2-0.034(m3-1.302)2

(5)

根據式(5)計算100名女性的預測等級與實驗等級間的關系，結果如圖3所示。

圖3 標準型模型的預測值與實驗值的關系Fig.3 Plots of relationship between real ratings and predicted ratings

由式(5)可知m值對吸引力等級的影響程度。m值系數的絕對值越大對吸引力等級的影響程度越大，反之亦然。m1的影響程度最大，其次為m2>m3。

3 預測模型在服裝定制中的應用

在MatLab中，將預測模型建立過程編寫成運算模塊。需要計算時，按順序將原始身體尺寸輸入到相應位置，便可得到吸引力等級和m值。建立人體美預測模型的一個很重要的目的是通過模型可以定位提升人體美等級時需要改善的身體比例，從而利用服裝對其進行修飾。

3.1m值與身體比例間的關系

由式(5)可知，人體美等級是由m1、m2和m3的取值決定的。m1、m2和m3是15個身體比例經過矩陣轉化得到的，與某些比例間存在很強的線性相關性。利用MatLab軟件，計算m值和各比例間線性關系，見式(6)。

(6)

由式(6)可知：m1主要與腰寬和腰厚有關；m2主要與人體高度方向上比例有關；m3主要與人體寬度方向上比例有關。

3.2 身體比例的定位

由式(5)可知，m1的二次項系數為正，m1與吸引力等級的關系形成凹陷的響應面，當m1在極值點0.083時等級取得最小值，這說明m1值越偏離極值點等級越高；m2和m3的二次項系數為負，與吸引力等級的關系形成凸起的響應面，當m2和m3分別在極值點-0.471和1.302時等級取得最大值，這說明m2和m3分別越接近極值點等級越高。在定位身體比例時，先根據m值與極值點的差值確定m值的變化趨勢，然后再根據式(6)判斷需要改善的身體尺寸。

例如：某個體的m2值為-0.756，與m2的極值點-0.471相比需增加其值以達到提升等級的目的。通過分析，由于人體的身高是一個相對不變值，要使m2值增加，需要增加腰高、臀高和胸高值，其中腰高的改變對m2的影響最大(系數最大)，所以在服裝設計時可采用腰線提升的設計，使在視覺上達到人體修長的效果，提升人體美感。以上只是一個簡單的例子，在實際的設計中還要綜合考慮其他身體因素以及采用更多的設計理念以達到服裝修飾人體的目的。

4 結 論

通過對三維人體掃描數據進行逐步回歸得到影響人體美的11個重要身體尺寸，并以這11個尺寸為基礎選擇了15個可以反映人體形體特征的身體比例進行主元分析，全二次型建立及二次型標準型轉化，得到了一個新型的人體美預測模型。

根據預測模型中m值與身體比例的關系可以定位個體身體比例上存在的不足，從而為服裝定制個性化設計提供了一定的理論指導。

[1] 張旎. 三維人體掃描系統(tǒng)在服裝個性化定制領域的應用[J]. 武漢科技學院學報，2007，20(6)：39-42. ZHANG Ni. Application of the 3D body scanning system in clothing customization[J]. Journal of Wuhan University of Scince and Technology，2007，20(6)：39-42.

[2] 方彰林，姜世正．人體美學[M]．北京：北京出版社，2000:12-20. FANG Zhanglin，JIANG Shizheng．Human Body Aesthetic [M]．Beijing：Beijing Press，2000:12-20.

[3] 李正，張影．體型與服裝美[J]．蘇州大學學報：工程科學版，2006，26(5)：30-32. LI Zheng，ZHANG Ying．Body shape and garment modeling [J]．Journal of Soochow University: Engineering Science Edition，2006，26(5)：30-32.

[4] 李廣松．人體體型與服裝設計[J]．山東紡織科技，2002(3)：45-47. LI Guangsong．Bodily form and costume designing [J]．Shandong Textile Science & Technology，2002(3)：45-47．

[5] SINGH D. Female health, attractiveness and desirability for relationships: role of breast asymmetry and waist-to-hip ratio[J]. Ethnology and Sociobiology，1995，16 (6)：465-481.

[6] TOVéE M J，HANCOCK P J B，MAHMOODI S，et al. Human female attractiveness: waveform analysis of body shape[J]. Proceedings of Royal Society of London Series B- Biological Sciences，2002，269：2205-2213.

[7] FAN J，DAI W，QIAN X M．Effects of shape parameters on the attractiveness of a female body[J]．Perceptual and Motor Skills，2007，105：117-132．

[8] 王海松．Maya 6.0入門與提高[M]．北京：清華大學出版社，2005:36-51. WANG Haisong．Maya 6.0 Introductory and Improve [M]．Beijing: Tsinghua University Press，2005:36-51.

[9] 何曉群．現代統(tǒng)計分析方法與應用[M]．北京：中國人民大學出版社，2007:1-35. HE Xiaoqun．Modern Statistical Analysis Method and Application [M]．Beijing: Renmin University of China Press，2007:1-35.

[10] 孫祥，徐流美，吳清．MATLAB 7.0基礎教程[M]．北京：清華大學出版社，2005:5-28. SUN Xiang，XU Liumei，WU Qing．Matlab 7.0 Basic Course [M]．Beijing: Tsinghua University Press，2005:5-28.

[11] 李博納，蘇燕玲．線性代數[M]．北京：清華大學出版社，2006:3-26. LI Bona，SU Yanling．Linear Algebra [M]．Beijing: Tsinghua University Press，2006:3-26.

Establishment of female attractiveness rating prediction model based on clothing customization

ZHAI Lili1,2, QIAN Xiaoming1, WANG Rui1, WEI Heyue1

(1.SchoolofTextiles,TianjinPolytechnicUniversity,Tianjin300387,China;2.NationalQualitySupervisionandInspectionCenterforSpecialProtectiveClothing,Beijing100082,China)

Clothing customization is a new trend of clothing industry, and beauty body is one of the basic function of custom-made clothes. Using regression analysis of body measurements by 3-D body scanner, eleven body measurements were determined as the most important cues for body physical attractiveness. On the basis of these eleven body measurements, fifteen body proportions expressing female body shape character istics better were selected. A new prediction model for female attractiveness was established by analyzing these 15 body proportions with principle component analysis, canonical analysis and regression analysis. Based on the prediction model, imperfect body segments were pointed which can be concealed when designing custom clothes. The prediction model can provide a rationale for individualized design.

clothing customization; female; physical attractiveness; prediction model; body proportion

10.13475/j.fzxb.20140102705

2014-01-21

2014-09-28

翟黎莉(1981—)，女，博士生。研究方向為女性人體美和服裝壓力舒適性。 錢曉明，通信作者，E-mail：qianxiaoming@tjpu.edu.cn。

TS 941.17

A