CN109741149B - 一种服装号型生成方法及系统 - Google Patents

一种服装号型生成方法及系统 Download PDF

Info

Publication number
CN109741149B
CN109741149B CN201910019312.XA CN201910019312A CN109741149B CN 109741149 B CN109741149 B CN 109741149B CN 201910019312 A CN201910019312 A CN 201910019312A CN 109741149 B CN109741149 B CN 109741149B
Authority
CN
China
Prior art keywords
size
core
type
human body
coverage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910019312.XA
Other languages
English (en)
Other versions
CN109741149A (zh
Inventor
王平
黄海峤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Michao Technology Co ltd
Original Assignee
Hangzhou Michao Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Michao Technology Co ltd filed Critical Hangzhou Michao Technology Co ltd
Priority to CN201910019312.XA priority Critical patent/CN109741149B/zh
Publication of CN109741149A publication Critical patent/CN109741149A/zh
Application granted granted Critical
Publication of CN109741149B publication Critical patent/CN109741149B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种服装号型生成方法及系统，其中方法包括：基于人体的尺寸参数，模拟生成人体仿真数据；根据人体BMI值，对模拟生成的人体仿真数据进行分类；对各个类型的人体仿真数据进行聚类分析，得到对应类型中覆盖人群最多的最优核心号型。本发明提供的服装号型生成方法及系统，基于人体的尺寸参数，生成大量人体尺寸仿真数据，然后对仿真数据进行有效的体型分类，再对各个类型的人体仿真数据进行聚类分析，得到对应类型中覆盖人群最多的最优核心号型，提高了服装号型准确度与覆盖率，满足小批量、多号型、定制的服装企业的需求。按照该最优核心号型生产的定制服装的覆盖率更高、合体度更高。

Description

一种服装号型生成方法及系统
技术领域
本发明涉及计算机技术领域，特别涉及一种服装号型生成方法及系统。
背景技术
中国以二十世纪七十年代和八十年代大规模测量的人体数据为基础，经过国内各大服装研究机构的合作研究分析，并进行多次的修订，形成了目前的GB1335-2008《服装号型标准》。下面是国标服装号型的描述：
(1)号型定义：“号”指人体的身高，“型”指人体的净体胸围或腰围。
(2)体型分类：现行服装号型标准将我国人体的体型按胸腰差大小，分为四类Y、A、B、C型。A型为人数众多的普通人体型，Y型是中腰较小的体型，而B与C型表示稍胖和肥胖的体型。四种体型的胸腰差见下表：
表1四种体型的胸腰差
Figure BDA0001940201940000011
(3)表示方法：成品服装上必须标明号、型，号和型之间用斜线分开，后接体型代号。如上装170/88A表示该服装号型适合身高号为170，净胸围型为88，体型为A的人穿着。下装170/74A表示该服装号型适合身高号为170，净腰围型为74，体型为A的人穿着。套装系列的服装，上、下装必须分别标有号型标志。儿童不分体型,号型标志上不带体型分类代号。
(4)号型设置范围：男子适用于身高在155一185之间、净胸围在76一112之间、净腰围在56一081。女子适用于身高在145一175之间、净胸围在72一108之间、净腰围在50一102之间。
(5)上下装配套：标准中规定身高以5cm分档，胸围以4cm分档，腰围以4cm、2cm分档，组成了5·4系列和5·2系列。上装采用5·4系列，下装采用5·4系列和5·2系列。
(6)中间体的确定
表2男女各体型的中间号型
性别 Y A B C
男子 170/88 170/88 170/92 170/96
女子 160/84 160/84 160/88 160/88
(7)控制部位的确定：服装号型标准中是这样确定的：上装的主要部位是衣长、胸围、总肩宽、袖长、领围，女装加前后腰节长。下装的主要部位是裤长、腰围、臀围、上档长。服装的这些部位反映在人体上是颈椎点高决定衣长的数值、坐姿颈椎点高决定衣长分档的参考数值、胸围、总肩宽、全臂长决定袖长的数值、颈围、腰围高决定裤长的数值、腰围、臀围等。
(8)分档数值的选定：控制部位的分档数值即跳档系数。号型标准中分了四种体型，这四种体型的各个部位的变化不是同步增长的，因此对不同体型给出不同的分档数值。
(9)覆盖率：现行标准中给出了全国各地区不同体型的覆盖率，还详细给出了每一体型中不同号型的覆盖率。
目前，中国人的体型整体有增大的趋势，例如身高增加、胸围增大，以几十年前的测量数据为基础已经不能适应目前的市场需求。目前，我国的服装号型标准将体型分为4种类型，已经不能全面反映现代人体形的生长规律。也就是说传统的体型分类已经不符合现代人的体形变化。此外，现有的国标服装号型数量较多，企业难以从200多个号型中选取准确的号型安排服装生产。而且现有的国标服装号型覆盖率低，若按照该服装号型进行生产，将带来大量的退货率，难以满足快速、智能话的服装生产需要。特别是对于量体定制产品来讲，成本较高。
发明内容
为解决传统的服装型号分类方法无法全面、准确的适应目前的市场需求的问题，本发明提出一种服装号型生成方法及系统，基于人体大数据，对服装号型进行智能分析和重构，以提高服装号型准确度与覆盖率，满足小批量、多号型、定制的服装企业的需求。
本发明提供的服装号型生成方法，包括以下步骤：
S100、基于人体的尺寸参数，模拟生成人体仿真数据；
S200、根据人体BMI值，对模拟生成的所述人体仿真数据进行分类；
S300、对各个类型的人体仿真数据进行聚类分析，得到对应类型中覆盖人群最多的最优核心号型。
作为一种可实施方式，所述S300中对各个类型的人体仿真数据进行聚类分析，得到对应类型中覆盖人群最多的最优核心号型，包括以下步骤：
S310、设置覆盖函数：U＝CAmax(Pi n,c,R)；
其中，U表示覆盖个数，用于描述服装号型能够覆盖的人体的个数；Pi n代表了第n类人体下面i个人体各部位尺寸,xj表示某人各个部位的尺寸；c表示核心号型的个数，c＝1,2,3,…，n；R(r1,r2,r3,...,rj)代表覆盖半径，表示核心号型所能覆盖的距离，是一个已知的向量；
S320、基于所述覆盖函数，利用FCM算法计算每个类型人体的初始核心号型；
S330、计算各个对象身体尺寸与所述初始核心号型的距离差值D，同覆盖半径R比较大小，将距离差值D小于或等于R的对象纳入此初始核心号型的覆盖范围，并计算c个初始核心号型覆盖的对象总个数；
覆盖函数所使用的距离公式如下:
Figure BDA0001940201940000031
其中：
Figure BDA0001940201940000032
Figure BDA0001940201940000033
Figure BDA0001940201940000034
……
Figure BDA0001940201940000035
Pi n(x1,x2,x3,...,xj)表示人体尺寸变量，当上述公式同时满足时，则该对象被初始核心号型覆盖；
S340、去除所述初始核心号型的误差值，生成新的核心号型；
S350、基于所述新的核心号型，计算其覆盖函数值；
S360、计算覆盖函数变化率
Figure BDA0001940201940000041
最小时的核心号型数量k，此时的核心号型
Figure BDA0001940201940000042
为最优核心号型。
作为一种可实施方式，所述步骤S320中基于所述目标函数，利用FCM算法计算每个类型人体的初始核心号型，包括以下步骤：
基于所述目标函数，利用FCM算法计算每个类型人体的核心号型的位置坐标，作为初始核心号型
Figure BDA0001940201940000043
记做
Figure BDA0001940201940000044
作为一种可实施方式，所述步骤S340中去除所述初始核心号型的误差值，生成新的核心号型，包括以下步骤：
重新计算各个对象身体尺寸与该核心号型的距离差值，同覆盖半径R比较大小，将距离差值小于或等于R的对象纳入覆盖范围，并计算核心号型覆盖的对象总个数，不断重复此过程,直到目标函数U＝max(CA(Pi n,c,R))收敛，初始核心号型覆盖的对象个数不再变化时为止，得到新的核心号型。
作为一种可实施方式，所述步骤S350中基于所述新的核心号型，计算其覆盖函数值，包括以下步骤：
计算当c＝1、2、3、4、5、6…n时，每种情况下的核心号型以及覆盖函数值。
相应地，本发明还提供一种服装号型生成系统，包括数据生成模块、分类模块、以及最优核心号型计算模块；
所述数据生成模块，用于基于人体的尺寸参数，模拟生成人体仿真数据；
所述分类模块，用于根据人体BMI值，对模拟生成的所述人体仿真数据进行分类；
所述最优核心号型计算模块，用于对各个类型的人体仿真数据进行聚类分析，得到对应类型中覆盖人群最多的最优核心号型。
作为一种可实施方式，所述最优核心号型计算模块包括目标函数设置单元、初始核心号型计算单元、覆盖对象计算单元、去误差单元、覆盖函数计算单元、及最优核心号型计算单元；
所述目标函数设置单元，用于设置覆盖函数：U＝CAmax(Pi n,c,R)；
其中，U表示覆盖个数，用于描述服装号型能够覆盖的人体的个数；Pi n代表了第n类人体下面i个人体各部位尺寸,xj表示某人各个部位的尺寸；c表示核心号型的个数，c＝1,2,3,…，n；R(r1,r2,r3,...,rj)代表覆盖半径，表示核心号型所能覆盖的距离，是一个已知的向量；
所述初始核心号型计算单元，用于基于所述覆盖函数，利用FCM算法计算每个类型人体的初始核心号型；
所述覆盖对象计算单元，用于计算各个对象身体尺寸与所述初始核心号型的距离差值D，同覆盖半径R比较大小，将距离差值D小于或等于R的对象纳入此初始核心号型的覆盖范围，并计算c个初始核心号型覆盖的对象总个数；
覆盖函数所使用的距离公式如下:
Figure BDA0001940201940000051
其中：
Figure BDA0001940201940000052
Figure BDA0001940201940000053
Figure BDA0001940201940000054
……
Figure BDA0001940201940000055
Pi n(x1,x2,x3,...,xj)表示人体尺寸变量，当上述公式同时满足时，则该对象被初始核心号型覆盖；
所述去误差单元，用于去除所述初始核心号型的误差值，生成新的核心号型；
所述覆盖函数计算单元，用于基于所述新的核心号型，计算其覆盖函数值；
所述最优核心号型计算单元，用于计算覆盖函数变化率
Figure BDA0001940201940000056
最小时的核心号型数量k，此时的核心号型
Figure BDA0001940201940000061
为最优核心号型。
作为一种可实施方式，所述初始核心号型计算单元用于基于所述目标函数，利用FCM算法计算每个类型人体的核心号型的位置坐标，作为初始核心号型
Figure BDA0001940201940000062
记做
Figure BDA0001940201940000063
作为一种可实施方式，所述去误差单元用于重新计算各个对象身体尺寸与该核心号型的距离差值，同覆盖半径R比较大小，将距离差值小于或等于R的对象纳入覆盖范围，并计算核心号型覆盖的对象总个数，不断重复此过程,直到目标函数U＝max(CA(Pi n,c,R))收敛，初始核心号型覆盖的对象个数不再变化时为止，得到新的核心号型。
作为一种可实施方式，所述覆盖函数计算单元用于计算当c＝1、2、3、4、5、6…n时，每种情况下的核心号型以及覆盖函数值。
本发明相比于现有技术的有益效果在于：
本发明提供的服装号型生成方法及系统，基于人体的尺寸参数，生成大量人体尺寸仿真数据，然后对仿真数据进行有效的体型分类，再对各个类型的人体仿真数据进行聚类分析，得到对应类型中覆盖人群最多的最优核心号型，提高了服装号型准确度与覆盖率，满足小批量、多号型、定制的服装企业的需求。按照该最优核心号型生产的定制服装的覆盖率更高、合体度更高。
附图说明
图1为本发明实施例一提供的服装号型生成方法的流程示意图；
图2为本发明实施例二提供的服装号型生成系统的结构示意图。
具体实施方式
以下结合附图，对本发明上述的和另外的技术特征和优点进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的部分实施例，而不是全部实施例。
参见图1，本发明实施例一提供了一种服装号型生成方法，包括以下步骤：
S100、基于人体的尺寸参数，模拟生成人体仿真数据。
根据人体的尺寸参数，利用计算机模拟生成模拟大批量的人体尺寸仿真数据。此步骤一方面是为了避免手工测量以及其他测量工具数据在提取中造成的误差；另一方面是为本发明提供初步的数据支持。
要生成人体尺寸的仿真数据，需要较为真实的人体数据为依据。为了获取的数据更接近人体的分布情况，本实施例可以采用GB10000-1988中国成年人体尺寸国家标准，同时参照各大论文及日本服造型学中对于人体各部位尺寸的研究，最后以中国标准化研究院2009年采集的3000多中国成年人人体尺寸数据为基础，利用计算机生成大量的成年人体各部位尺寸。
S200、根据人体BMI值，对模拟生成的人体仿真数据进行分类。
BMI表示体质指数，参照中国的BMI标准，将模拟生成的人体仿真数据分为以下5类：
A类型为偏瘦类型：14.8≤BMI<18.5；
B类型为正常类型：18.5≤BMI<24；
C类型为轻度肥胖类型：24≤BMI<28；
K类型为中度肥胖类型：28≤BMI<30；
R类型为重度肥胖类型：30≤BMI<40。
S300、对各个类型的人体仿真数据进行聚类分析，得到对应类型中覆盖人群最多的最优核心号型。
人体数据可以看成是空间内的较为集中的无数个多维度尺寸的点，本发明的目标是找到这样多个具有代表性的点，使这些点在给定的误差范围内，覆盖的人数最多。基于此，本发明先利用c个多维度尺寸的点在空间内不断移动，直到这c个点在允许的误差内能够覆盖到最多的人体，此时这些点所在位置的坐标即为本发明要找的核心号型。有了这些核心号型，即可便组成各类服装的号型体系。
本发明基于人体的尺寸参数，生成大量人体尺寸仿真数据，然后对仿真数据进行有效的体型分类，再对各个类型的人体仿真数据进行聚类分析，得到对应类型中覆盖人群最多的最优核心号型，提高了服装号型准确度与覆盖率，满足小批量、多号型、定制的服装企业的需求。按照该最优核心号型生产的定制服装的覆盖率更高、合体度更高。
最优核心号型的计算方法是本发明的主要发明点，是基于目标函数建立的一种算法。接下来，对步骤S300中最优核心号型的计算方法的实施过程进行具体说明：
作为一种可实施方式，步骤S300中对各个类型的人体仿真数据进行聚类分析，得到对应类型中覆盖人群最多的最优核心号型，包括以下步骤：
S310、设置覆盖函数：U＝CAmax(Pi n,c,R)；
其中，U表示覆盖个数，用于描述服装号型能够覆盖的人体的个数；Pi n代表了第n类人体下面i个人体各部位尺寸,xj表示某人各个部位的尺寸；c表示核心号型的个数，c＝1,2,3,…，n；R(r1,r2,r3,…,rj)代表覆盖半径，表示核心号型所能覆盖的距离，是一个已知的向量。
S320、基于覆盖函数，利用FCM算法计算每个类型人体的初始核心号型。
FCM算法是一种基于划分的聚类算法,它的思想就是使得被划分到同一簇的对象之间相似度最大,而不同簇之间的相似度最小。本发明利用FCM算法获得每种人体下面核心号型的位置，作为初始核心号型
Figure BDA0001940201940000081
记做
Figure BDA0001940201940000082
FCM算法把i个人体向量分为c个模糊组，并求每组的聚类中心，使得非相似性指标的价值函数达到最小,此时的聚类中心坐标作为初始核心号型。
S330、计算各个对象身体尺寸与初始核心号型的距离差值D，同覆盖半径R比较大小，将距离差值D小于或等于R的对象纳入此初始核心号型的覆盖范围，并计算c个初始核心号型覆盖的对象总个数。
覆盖函数所使用的距离公式如下:
Figure BDA0001940201940000083
其中：
Figure BDA0001940201940000084
Figure BDA0001940201940000085
Figure BDA0001940201940000086
……
Figure BDA0001940201940000087
Figure BDA0001940201940000091
表示人体尺寸变量，当上述公式同时满足时，则该对象被初始核心号型覆盖。
S340、去除初始核心号型的误差值，生成新的核心号型。
将初始核心号型每个部位尺寸加上或减去误差值，即可生成新的核心号型。具体实现过程为：重新计算各个对象身体尺寸与该核心号型的距离差值，同覆盖半径R比较大小，将距离差值小于或等于R的对象纳入覆盖范围，并计算核心号型覆盖的对象总个数，不断重复此过程,直到目标函数U＝max(CA(Pi n,c,R))收敛，初始核心号型覆盖的对象个数不再变化时为止，得到新的核心号型。
S350、基于新的核心号型，计算其覆盖函数值。
改变核心号型的个数，每次计算新的核心号型的覆盖函数。即计算当c＝1、2、3、4、5、6…n时，每种情况下的核心号型以及覆盖函数值。
S360、计算覆盖函数变化率
Figure BDA0001940201940000092
最小时的核心号型数量k，此时的核心号型
Figure BDA0001940201940000093
为最优核心号型。
当
Figure BDA0001940201940000094
时，即覆盖函数值的变化率最小时，此时号型的个数增加对于覆盖函数值的贡献最小，得到最优的号型个数k，同时得到此时的核心号型，即为最优核心号型。
进一步地，还可以根据真实数据对上述方法进行验证。例如，企业可以搜集真实人体大数据验证该技术，获得符合企业需求的号型体系。
基于同一发明构思，本发明实施例二还提供了一种服装号型生成系统，该系统与前述方法原理相同，故该系统的实施可参照前述方法的步骤实现，重复之处，不再冗述。
参见图2，本发明实施例二提供的服装号型生成系统，包括数据生成模块100、分类模块200、以及最优核心号型计算模块300。
其中，数据生成模块100用于基于人体的尺寸参数，模拟生成人体仿真数据；分类模块200用于根据人体BMI值，对模拟生成的人体仿真数据进行分类；最优核心号型计算模块300用于对各个类型的人体仿真数据进行聚类分析，得到对应类型中覆盖人群最多的最优核心号型。
具体地，最优核心号型计算模块300包括目标函数设置单元310、初始核心号型计算单元320、覆盖对象计算单元330、去误差单元340、覆盖函数计算单元350、及最优核心号型计算单元360。
目标函数设置单元310用于设置覆盖函数：U＝CAmax(Pi n,c,R)；
其中，U表示覆盖个数，用于描述服装号型能够覆盖的人体的个数；Pi n代表了第n类人体下面i个人体各部位尺寸,xj表示某人各个部位的尺寸；c表示核心号型的个数，c＝1,2,3,…，n；R(r1,r2,r3,…,rj)代表覆盖半径，表示核心号型所能覆盖的距离，是一个已知的向量。
初始核心号型计算单元320用于基于覆盖函数，利用FCM算法计算每个类型人体的初始核心号型。初始核心号型计算单元320基于目标函数，利用FCM算法计算每个类型人体的核心号型的位置坐标，作为初始核心号型
Figure BDA0001940201940000101
记做
Figure BDA0001940201940000102
覆盖对象计算单元330用于计算各个对象身体尺寸与初始核心号型的距离差值D，同覆盖半径R比较大小，将距离差值D小于或等于R的对象纳入此初始核心号型的覆盖范围，并计算c个初始核心号型覆盖的对象总个数。
覆盖函数所使用的距离公式如下:
Figure BDA0001940201940000103
其中：
Figure BDA0001940201940000104
Figure BDA0001940201940000105
Figure BDA0001940201940000106
……
Figure BDA0001940201940000107
Figure BDA0001940201940000108
表示人体尺寸变量，当上述公式同时满足时，则该对象被初始核心号型覆盖；
去误差单元340用于去除初始核心号型的误差值，生成新的核心号型。去误差单元340通过重新计算各个对象身体尺寸与该核心号型的距离差值，同覆盖半径R比较大小，将距离差值小于或等于R的对象纳入覆盖范围，并计算核心号型覆盖的对象总个数，不断重复此过程,直到目标函数U＝max(CA(Pi n,c,R))收敛，初始核心号型覆盖的对象个数不再变化时为止，得到新的核心号型。
覆盖函数计算单元350用于基于新的核心号型，计算其覆盖函数值。覆盖函数计算单元350计算当c＝1、2、3、4、5、6…n时，每种情况下的核心号型以及覆盖函数值。
最优核心号型计算单元360用于计算覆盖函数变化率
Figure BDA0001940201940000111
最小时的核心号型数量k，此时的核心号型
Figure BDA0001940201940000112
为最优核心号型。
本发明提供的服装号型生成系统生成的最优核心号型，覆盖范围大、精准度高，而且为在线定制提供了数据基础。顾客只需在定制端口选定身高体重，再勾选与自己体型相同的胸型、腹型等，即可由系统输出顾客的净体尺寸，真正实现了在线定制，无需再上门量体，这样获得较为准确的尺寸数据作为定制服装制版的依据。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种服装号型生成方法，其特征在于，包括以下步骤：
S100、基于人体的尺寸参数，模拟生成人体仿真数据；
S200、根据人体BMI值，对模拟生成的所述人体仿真数据进行分类；
S300、对各个类型的人体仿真数据进行聚类分析，得到对应类型中覆盖人群最多的最优核心号型；
所述S300中对各个类型的人体仿真数据进行聚类分析，得到对应类型中覆盖人群最多的最优核心号型，包括以下步骤：
S310、设置覆盖函数：
Figure FDA0003220581660000011
其中，U表示覆盖个数，用于描述服装号型能够覆盖的人体的个数；Pi n代表了第n类人体下面i个人体各部位尺寸,xj表示某人各个部位的尺寸；c表示核心号型的个数，c＝1,2,3,…，n；R(r1,r2,r3,...,rj)代表覆盖半径，表示核心号型所能覆盖的距离，是一个已知的向量；
S320、基于所述覆盖函数，利用FCM算法计算每个类型人体的初始核心号型；
S330、计算各个对象身体尺寸与所述初始核心号型的距离差值D，同覆盖半径R比较大小，将距离差值D小于或等于R的对象纳入此初始核心号型的覆盖范围，并计算c个初始核心号型覆盖的对象总个数；
覆盖函数所使用的距离公式如下:
Figure FDA0003220581660000012
其中：
Figure FDA0003220581660000013
Figure FDA0003220581660000014
Figure FDA0003220581660000015
……
Figure FDA0003220581660000021
Figure FDA0003220581660000022
表示人体尺寸变量，当上述公式同时满足时，则该对象被初始核心号型覆盖；
S340、去除所述初始核心号型的误差值，生成新的核心号型；
S350、基于所述新的核心号型，计算其覆盖函数值；
S360、计算覆盖函数变化率
Figure FDA0003220581660000023
最小时的核心号型数量k，此时的核心号型
Figure FDA0003220581660000024
为最优核心号型。
2.根据权利要求1所述的服装号型生成方法，其特征在于，所述步骤S320中基于所述覆盖函数，利用FCM算法计算每个类型人体的初始核心号型，包括以下步骤：
基于所述覆盖函数，利用FCM算法计算每个类型人体的核心号型的位置坐标，作为初始核心号型
Figure FDA0003220581660000025
记做
Figure FDA0003220581660000026
3.根据权利要求1所述的服装号型生成方法，其特征在于，所述步骤S340中去除所述初始核心号型的误差值，生成新的核心号型，包括以下步骤：
重新计算各个对象身体尺寸与该核心号型的距离差值，同覆盖半径R比较大小，将距离差值小于或等于R的对象纳入覆盖范围，并计算核心号型覆盖的对象总个数，不断重复此过程,直到覆盖函数
Figure FDA0003220581660000027
收敛，初始核心号型覆盖的对象个数不再变化时为止，得到新的核心号型。
4.根据权利要求1至3任意一项所述的服装号型生成方法，其特征在于，所述步骤S350中基于所述新的核心号型，计算其覆盖函数值，包括以下步骤：
计算当c＝1、2、3、4、5、6…n时，每种情况下的核心号型以及覆盖函数值。
5.一种服装号型生成系统，其特征在于，包括数据生成模块、分类模块、以及最优核心号型计算模块；
所述数据生成模块，用于基于人体的尺寸参数，模拟生成人体仿真数据；
所述分类模块，用于根据人体BMI值，对模拟生成的所述人体仿真数据进行分类；
所述最优核心号型计算模块，用于对各个类型的人体仿真数据进行聚类分析，得到对应类型中覆盖人群最多的最优核心号型；
所述最优核心号型计算模块包括覆盖函数设置单元、初始核心号型计算单元、覆盖对象计算单元、去误差单元、覆盖函数计算单元、及最优核心号型计算单元；
所述覆盖函数设置单元，用于设置覆盖函数：
Figure FDA0003220581660000031
其中，U表示覆盖个数，用于描述服装号型能够覆盖的人体的个数；
Figure FDA0003220581660000032
代表了第n类人体下面i个人体各部位尺寸,xj表示某人各个部位的尺寸；c表示核心号型的个数，c＝1,2,3,…，n；R(r1,r2,r3,...,rj)代表覆盖半径，表示核心号型所能覆盖的距离，是一个已知的向量；
所述初始核心号型计算单元，用于基于所述覆盖函数，利用FCM算法计算每个类型人体的初始核心号型；
所述覆盖对象计算单元，用于计算各个对象身体尺寸与所述初始核心号型的距离差值D，同覆盖半径R比较大小，将距离差值D小于或等于R的对象纳入此初始核心号型的覆盖范围，并计算c个初始核心号型覆盖的对象总个数；
覆盖函数所使用的距离公式如下:
Figure FDA0003220581660000033
其中：
Figure FDA0003220581660000034
Figure FDA0003220581660000035
Figure FDA0003220581660000036
……
Figure FDA0003220581660000037
Figure FDA0003220581660000038
表示人体尺寸变量，当上述公式同时满足时，则该对象被初始核心号型覆盖；
所述去误差单元，用于去除所述初始核心号型的误差值，生成新的核心号型；
所述覆盖函数计算单元，用于基于所述新的核心号型，计算其覆盖函数值；
所述最优核心号型计算单元，用于计算覆盖函数变化率
Figure FDA0003220581660000041
最小时的核心号型数量k，此时的核心号型
Figure FDA0003220581660000042
为最优核心号型。
6.根据权利要求5所述的服装号型生成系统，其特征在于，所述初始核心号型计算单元用于基于所述覆盖函数，利用FCM算法计算每个类型人体的核心号型的位置坐标，作为初始核心号型
Figure FDA0003220581660000043
记做
Figure FDA0003220581660000044
7.根据权利要求5所述的服装号型生成系统，其特征在于，所述去误差单元用于重新计算各个对象身体尺寸与该核心号型的距离差值，同覆盖半径R比较大小，将距离差值小于或等于R的对象纳入覆盖范围，并计算核心号型覆盖的对象总个数，不断重复此过程,直到覆盖函数
Figure FDA0003220581660000045
收敛，初始核心号型覆盖的对象个数不再变化时为止，得到新的核心号型。
8.根据权利要求5至7任一项所述的服装号型生成系统，其特征在于，所述覆盖函数计算单元用于计算当c＝1、2、3、4、5、6…n时，每种情况下的核心号型以及覆盖函数值。
CN201910019312.XA 2019-01-09 2019-01-09 一种服装号型生成方法及系统 Active CN109741149B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910019312.XA CN109741149B (zh) 2019-01-09 2019-01-09 一种服装号型生成方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910019312.XA CN109741149B (zh) 2019-01-09 2019-01-09 一种服装号型生成方法及系统

Publications (2)

Publication Number Publication Date
CN109741149A CN109741149A (zh) 2019-05-10
CN109741149B true CN109741149B (zh) 2021-12-10

Family

ID=66364005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910019312.XA Active CN109741149B (zh) 2019-01-09 2019-01-09 一种服装号型生成方法及系统

Country Status (1)

Country Link
CN (1) CN109741149B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112651142B (zh) * 2021-01-18 2024-03-26 北京服装学院 服装号型系统建立方法、装置及服装号型系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101916315A (zh) * 2010-08-17 2010-12-15 东华大学 不同年龄工业人台的建立方法
CN102136110A (zh) * 2011-04-26 2011-07-27 宁夏大学 服装规模化定制的规格-号型对照表产生方法及服装规模化定制生产方法
CN105488303B (zh) * 2015-12-30 2019-04-16 浙江理工大学 一种基于特征距离集的腰腹臀体型分类方法及其测量装置
US20180197223A1 (en) * 2017-01-06 2018-07-12 Dragon-Click Corp. System and method of image-based product identification
CN107180375B (zh) * 2017-05-04 2020-12-18 东华大学 一种基于多层神经网络的服装号型推荐系统
CN108741342A (zh) * 2018-04-13 2018-11-06 东华大学 一种基于因子分析和概率神经网络的人体体型聚类方法

Also Published As

Publication number Publication date
CN109741149A (zh) 2019-05-10

Similar Documents

Publication Publication Date Title
CN110264310B (zh) 一种基于人体大数据的服装制版方法
Liu et al. Fuzzy classification of young women's lower body based on anthropometric measurement
CN107180375B (zh) 一种基于多层神经网络的服装号型推荐系统
US20020003546A1 (en) Virtual shape generation method and device using the same
CN101017575B (zh) 基于人体部件模板和体形轮廓的三维虚拟人体自动生成方法
CN100430949C (zh) 分部位组合式三维参数化数字人台构建方法
JPH10130929A (ja) 補整下着の製造装置および方法
CN101311967A (zh) 一种基于实测人群体型的虚拟人台的建立方法及虚拟人台
CN101334805A (zh) 个性化裤装智能设计及样板自动生成方法
CN103838963A (zh) 一种文胸压力舒适性评价方法
CN105029812B (zh) 一种人台制作方法及应用该方法制作的人台
CN112949434A (zh) 基于压力坐垫的人体坐姿识别系统
CN109741149B (zh) 一种服装号型生成方法及系统
CN101311968B (zh) 一种虚拟人台的应用方法
CN113158272A (zh) 个性化服装定制的自动打版方法和系统
CN104715380A (zh) 一种服装号型计算方法
KR102236191B1 (ko) 인공신경망을 이용한 체형분류 자동화 및 패턴 자동보정 시스템
CN106157094A (zh) 一种基于自动测量的适体文胸推荐方法
CN108741342A (zh) 一种基于因子分析和概率神经网络的人体体型聚类方法
CN101458733A (zh) 一种服装结构设计的集成智能优化方法
CN112244401A (zh) 基于人体样本库的人体测量误差修正方法和系统
CN108280476A (zh) 基于主成分分析和分层聚类的人体上肢带形态分类方法
Petrak et al. Research of 3D body models computer adjustment based on anthropometric data determined by laser 3D scanner
KR20140140997A (ko) 표준 인체형상을 이용한 체형 맞춤형 컴프레션 웨어의 설계 방법 및 장치
CN115330907A (zh) 一种实测尺寸绘制的人体形态矢量视图方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant