JPS63249708A - 体形寸法の推測方法 - Google Patents
体形寸法の推測方法Info
- Publication number
- JPS63249708A JPS63249708A JP62079144A JP7914487A JPS63249708A JP S63249708 A JPS63249708 A JP S63249708A JP 62079144 A JP62079144 A JP 62079144A JP 7914487 A JP7914487 A JP 7914487A JP S63249708 A JPS63249708 A JP S63249708A
- Authority
- JP
- Japan
- Prior art keywords
- optimal
- age
- regression
- height
- weight
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 15
- 230000037237 body shape Effects 0.000 title description 16
- 238000000611 regression analysis Methods 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
［産業上の利用分野］
この発明は、性別と年令及び身長と体重の４つのデータ
だけで、人体各部位の寸法の推測を可能にする体型寸法
の推測方法に関する。
だけで、人体各部位の寸法の推測を可能にする体型寸法
の推測方法に関する。
［従来の技術］
一般に、レディメイドと呼ばれる既製服は、オーダメイ
ドと称される注文服と同様、まず着る人の体型に合わせ
て型紙取りを行ない、この型紙に合わせて裁断した生地
を縫製することで製作されるが、流行の先取りに敏感な
アパレル業界では、型紙の作成にＣＡ Ｄ （Ｃｏｍｐ
ｕｔｅｒ Ａｉｄｅｄ Ｄｅｓｉｇｎ）を導入すること
で、多様なデザイン要求に対応して即型紙作成できるま
でに至っている。しかし、身長・体重・胸囲・胴囲・腰
囲・首付は根囲・肩幅・袖丈・背丈・胸囲や胴囲或は腰
囲といった体型データは、人によって千差万別であるた
め、標準化が困難であると言われており、既製のＹシャ
ツのように、着る人の体型と首付は根囲及び袖丈を指定
することで、最大公約数の消費者を満足させられるとい
った商品は、永年の市場形成努力が消費者に歓迎された
結果、成熟商品にまで成長したと言って過言でない。
ドと称される注文服と同様、まず着る人の体型に合わせ
て型紙取りを行ない、この型紙に合わせて裁断した生地
を縫製することで製作されるが、流行の先取りに敏感な
アパレル業界では、型紙の作成にＣＡ Ｄ （Ｃｏｍｐ
ｕｔｅｒ Ａｉｄｅｄ Ｄｅｓｉｇｎ）を導入すること
で、多様なデザイン要求に対応して即型紙作成できるま
でに至っている。しかし、身長・体重・胸囲・胴囲・腰
囲・首付は根囲・肩幅・袖丈・背丈・胸囲や胴囲或は腰
囲といった体型データは、人によって千差万別であるた
め、標準化が困難であると言われており、既製のＹシャ
ツのように、着る人の体型と首付は根囲及び袖丈を指定
することで、最大公約数の消費者を満足させられるとい
った商品は、永年の市場形成努力が消費者に歓迎された
結果、成熟商品にまで成長したと言って過言でない。
こうしたＹシャツや背広といった既製服を、注文服と比
較した場合、一部に不適合が残るといった不満があるの
は致し方ない所であるが、着る人を対象とした個人デー
タを広く蓄積することで、より注文服に近い既製服を簡
単に提供できる態勢作りが、各所で進行しつつあるよう
である。
較した場合、一部に不適合が残るといった不満があるの
は致し方ない所であるが、着る人を対象とした個人デー
タを広く蓄積することで、より注文服に近い既製服を簡
単に提供できる態勢作りが、各所で進行しつつあるよう
である。
［発明が解決しようとする問題点１
個人データの蓄積により体型寸法を割り出す方法は、大
容量の記憶能力をもつコンピュータシステムの導入によ
り可能であるが、そのためにはデータバンク等に登録す
る個人について、必要な部位の寸法を採寸する必要があ
り、さらに採寸に必要な人員の確保や、個人データの蓄
積に必要な管理要員などの確保も必要であり、また年齢
にょって変化していく体型データを、適当な時期に更新
することを考慮すると、データ管理にコストがかかり過
ぎる等の問題点があった。
容量の記憶能力をもつコンピュータシステムの導入によ
り可能であるが、そのためにはデータバンク等に登録す
る個人について、必要な部位の寸法を採寸する必要があ
り、さらに採寸に必要な人員の確保や、個人データの蓄
積に必要な管理要員などの確保も必要であり、また年齢
にょって変化していく体型データを、適当な時期に更新
することを考慮すると、データ管理にコストがかかり過
ぎる等の問題点があった。
［問題点を解決するための手段］
この発明は、上記問題点を解決したものであり、あらか
じめ収集した体型寸法に関する数値データから、回帰分
析により年齢と身長及び体重を変数とする最適回帰式を
導出し、年令と身長及び体重が与えられときに、前記最
適回帰式を用いて体型寸法を推測することを特徴とする
ものである。
じめ収集した体型寸法に関する数値データから、回帰分
析により年齢と身長及び体重を変数とする最適回帰式を
導出し、年令と身長及び体重が与えられときに、前記最
適回帰式を用いて体型寸法を推測することを特徴とする
ものである。
［作用コ
この発明は、回帰分析により導出した年齢と身長及び体
重を変数とする最適回帰式を用い、年令と身長及び体重
が与えられときに、算術計算により体型寸法を推測する
。
重を変数とする最適回帰式を用い、年令と身長及び体重
が与えられときに、算術計算により体型寸法を推測する
。
「実施例コ
以下、この発明の実施例について、第１．２図を参照し
て説明する。第１図は、この発明の体型寸法の推測方法
に用いる最適回帰式の導出過程を示すフローチャート、
第２図は、導出された最適回帰式を用いた体型寸法の推
測手順を示すフローチャートである。
て説明する。第１図は、この発明の体型寸法の推測方法
に用いる最適回帰式の導出過程を示すフローチャート、
第２図は、導出された最適回帰式を用いた体型寸法の推
測手順を示すフローチャートである。
以下に示す実施例は、回帰分析による最適回帰式の作成
と、この最適回帰式による体型寸法の推測の２つのプロ
セスが骨子をなすものであり、各プロセスは、それぞれ
第１図と第２図に示すフローチャートに従って実行され
る。また、体型寸法の推測の基礎となる体型データは、
通商産業省工業技術院が発行する「日本人の体格調査報
告書」によるものであり、年代別・男女別に記載された
身長・体重・胸囲・胴囲・腰囲・首付は根囲・肩幅・袖
丈・背丈等の計４３の体型データを基礎データとし、身
長と体重を除く体型データＤを目的変数に、また年齢Ｙ
、身長Ｔ及び体重Ｗを説明変数とする回帰分析により、
最適回帰式を作成する。
と、この最適回帰式による体型寸法の推測の２つのプロ
セスが骨子をなすものであり、各プロセスは、それぞれ
第１図と第２図に示すフローチャートに従って実行され
る。また、体型寸法の推測の基礎となる体型データは、
通商産業省工業技術院が発行する「日本人の体格調査報
告書」によるものであり、年代別・男女別に記載された
身長・体重・胸囲・胴囲・腰囲・首付は根囲・肩幅・袖
丈・背丈等の計４３の体型データを基礎データとし、身
長と体重を除く体型データＤを目的変数に、また年齢Ｙ
、身長Ｔ及び体重Ｗを説明変数とする回帰分析により、
最適回帰式を作成する。
なお、体型データは、２０代から５０代までを４つに区
切った２０〜２９歳、３０〜３９歳、４０〜４９歳及び
５０〜５９歳の各年代層に分類されている。
切った２０〜２９歳、３０〜３９歳、４０〜４９歳及び
５０〜５９歳の各年代層に分類されている。
まず、第１図に示した体型データの回帰分析である″ｈ
（、これには２段階のステップが必要である。
（、これには２段階のステップが必要である。
すなわち、前述の体格調査報告書に記載された男女別の
体型データＤについて、年齢層ごとに身長Ｔと体重Ｗを
説明変数とする最適重回帰式１式％ を導出するステップ（１０１）と、同ステップで得られ
た最適重回帰式りの定数ａと係数す、ｃについて、それ
ぞれ年齢Ｙを説明変数とする最適単回帰式 ％式％ を導出するステップ（１０２）の２ステツプである。そ
して、これら２ステツプを経て得られる最適重回帰式と
最適単回帰式を組み合わせることで、男女別に人体各部
位の最適回帰式 ％式％） を決定することができる。
体型データＤについて、年齢層ごとに身長Ｔと体重Ｗを
説明変数とする最適重回帰式１式％ を導出するステップ（１０１）と、同ステップで得られ
た最適重回帰式りの定数ａと係数す、ｃについて、それ
ぞれ年齢Ｙを説明変数とする最適単回帰式 ％式％ を導出するステップ（１０２）の２ステツプである。そ
して、これら２ステツプを経て得られる最適重回帰式と
最適単回帰式を組み合わせることで、男女別に人体各部
位の最適回帰式 ％式％） を決定することができる。
ところで、ステップ（１０１）に示した重回帰分析であ
るが、人体のある部位に関するデータＤに対する身長デ
ータＴと体重データＷの重用関係数は、 Ｒ（１）、Ｔ、Ｗ）’＝ （Ｒ（Ｄ、Ｔ）−Δ１＋ Ｒ
（１）、Ｗ）−Δ２）／ΔＯで表され、この重相関係数
Ｒ（Ｄ、Ｔ、Ｗ）”が大であるほど、最適重回帰式によ
る推測確度が大であるのは言うまでもない。
るが、人体のある部位に関するデータＤに対する身長デ
ータＴと体重データＷの重用関係数は、 Ｒ（１）、Ｔ、Ｗ）’＝ （Ｒ（Ｄ、Ｔ）−Δ１＋ Ｒ
（１）、Ｗ）−Δ２）／ΔＯで表され、この重相関係数
Ｒ（Ｄ、Ｔ、Ｗ）”が大であるほど、最適重回帰式によ
る推測確度が大であるのは言うまでもない。
ただし、データＤ、Ｔ間とＴ、Ｗ間及びり、Ｗ間の相関
係数を、それぞれＲ（Ｄ、Ｔ）、 Ｒ（Ｔ、Ｙ）及びＲ
（ＤＪ）としたときに、 であり、 データＤ、Ｔ、Ｗについての分散を５Ｓ（Ｄ）、ＳＳ
（Ｔ）、 ｓ”ｓ （Ｗ）で表したときに、最適重回帰
式の定数ａと係数す、ｃは、 ａ ＝ （Ｓ Ｓ （Ｄ）／Ｓ Ｓ （Ｔ）） （Δ１
／Δ０）ｂ ＝ （Ｓ Ｓ （Ｄ）／Ｓ Ｓ （Ｄ）
（Δ２／ΔＯ）ｃ ＝ Ｄｍ −ｂ Ｔｍ −ｃ Ｗｍ
として求まる。
係数を、それぞれＲ（Ｄ、Ｔ）、 Ｒ（Ｔ、Ｙ）及びＲ
（ＤＪ）としたときに、 であり、 データＤ、Ｔ、Ｗについての分散を５Ｓ（Ｄ）、ＳＳ
（Ｔ）、 ｓ”ｓ （Ｗ）で表したときに、最適重回帰
式の定数ａと係数す、ｃは、 ａ ＝ （Ｓ Ｓ （Ｄ）／Ｓ Ｓ （Ｔ）） （Δ１
／Δ０）ｂ ＝ （Ｓ Ｓ （Ｄ）／Ｓ Ｓ （Ｄ）
（Δ２／ΔＯ）ｃ ＝ Ｄｍ −ｂ Ｔｍ −ｃ Ｗｍ
として求まる。
なお、Ｄｍ、 Ｔｍ、 Ｗｍは、それぞれ数値データＤ
、Ｔ、Ｍについての平均値であり、データ数すなわち体
型データを収集した人数をＮとした場合、であり、デー
タＴ、Ｗ間の共分散は、 データＴ、Ｗ間の相関係数は、 Ｒ（Ｔ、Ｗ）＝ Ｓ （Ｔ、Ｗ）／（Ｓ Ｓ （Ｔ）・
ｓ ｓ （Ｗ））”である。
、Ｔ、Ｍについての平均値であり、データ数すなわち体
型データを収集した人数をＮとした場合、であり、デー
タＴ、Ｗ間の共分散は、 データＴ、Ｗ間の相関係数は、 Ｒ（Ｔ、Ｗ）＝ Ｓ （Ｔ、Ｗ）／（Ｓ Ｓ （Ｔ）・
ｓ ｓ （Ｗ））”である。
また、最適重回帰式の定数１と係数す、ｃの決定に続く
ステップ（１０２）では、年齢Ｙを説明変数とする最適
重回帰式を決定するわけであるが、年代別に得られた各
データユ、ｂ、ｃのうち、仮にデータユを例にとれば、 ａ １＝ Ｒ（ａ、Ｙ） ・Ｓ Ｓ （ａ）／ Ｓ Ｓ
（Ｙ）ａｏ”ａｍ ａ＋Ｙｍ ただし、ａＩＩｌはデータａの平均値を指す。また、Ｙ
ｍは年齢平均を指すのであるが、実施例の場合、各年代
の中央年齢２５，３５，４５．５５の平均である４０歳
が用いられる。
ステップ（１０２）では、年齢Ｙを説明変数とする最適
重回帰式を決定するわけであるが、年代別に得られた各
データユ、ｂ、ｃのうち、仮にデータユを例にとれば、 ａ １＝ Ｒ（ａ、Ｙ） ・Ｓ Ｓ （ａ）／ Ｓ Ｓ
（Ｙ）ａｏ”ａｍ ａ＋Ｙｍ ただし、ａＩＩｌはデータａの平均値を指す。また、Ｙ
ｍは年齢平均を指すのであるが、実施例の場合、各年代
の中央年齢２５，３５，４５．５５の平均である４０歳
が用いられる。
すなわち、この実施例では、ステップ（ｌｏｔ）に示し
た重回帰分析を、男女別に２０代から５０代までの４つ
の年代層、すなわち２０〜２９歳。
た重回帰分析を、男女別に２０代から５０代までの４つ
の年代層、すなわち２０〜２９歳。
３０〜３９歳、４０〜４９歳及び５０〜５９歳に分けて
実施し、性別と年齢に応じた最適重回帰式を導出する。
実施し、性別と年齢に応じた最適重回帰式を導出する。
以下に示す最適型＠帰式は、前記４つの年代層ごとに頚
椎高Ｄｎについて行った重回帰分析結果を示すものであ
る。
椎高Ｄｎについて行った重回帰分析結果を示すものであ
る。
Ｄ ｎ ２゜−２９−−９５，９５１＋ ０．８９８Ｔ
＋ ０．０２２ＷＤ ｎ ３．−３．＝ −Ｈ，３
６９＋ ０．８８９Ｔ ＋ ０．００７ＷＤ ｎ ４Ｏ
−−８＝ １２０．３５２＋〇、９２０Ｔ ＋ ０
．００７ＷＤ ｎ 、、−、、＝ −７３，０７５
＋ ０．８８３７ ＋ ０．０３７ＷＤ ｎ ｗｅ−
ｓｓ＝ ６４．Ｈ２＋ ０．８８２Ｔ ＋ ０．
０１９Ｗ本例に示した頚椎高Ｄｎの場合、年代別の相関
係数は、０．９７或は０９８というように、いずれも１
．００に近い値を示しており、身長Ｔと体重Ｗを説明変
数に選んだ重回帰分析の有効性を裏付ける結果が得られ
たものと判断できる。
＋ ０．０２２ＷＤ ｎ ３．−３．＝ −Ｈ，３
６９＋ ０．８８９Ｔ ＋ ０．００７ＷＤ ｎ ４Ｏ
−−８＝ １２０．３５２＋〇、９２０Ｔ ＋ ０
．００７ＷＤ ｎ 、、−、、＝ −７３，０７５
＋ ０．８８３７ ＋ ０．０３７ＷＤ ｎ ｗｅ−
ｓｓ＝ ６４．Ｈ２＋ ０．８８２Ｔ ＋ ０．
０１９Ｗ本例に示した頚椎高Ｄｎの場合、年代別の相関
係数は、０．９７或は０９８というように、いずれも１
．００に近い値を示しており、身長Ｔと体重Ｗを説明変
数に選んだ重回帰分析の有効性を裏付ける結果が得られ
たものと判断できる。
さらにまた、定数ａと身長Ｔ２体重Ｗの各係数す、ｃに
ついて、年齢Ｙを説明変数とする重回帰分析を施すこと
で、 ａ ＝ −９６，０７７＋ １．６６Ｙ （相関係数
、 ０．０９）ｂ ＝ ９．０２−０．０００１Ｙ
（相関係数； −０，１１１）ｃ −−０，０２＋
０．０００５Ｙ （相関係数、 ０．４０５）が得ら
れる。すなわち、年齢Ｙと身長Ｔ及び体重Ｗが与えられ
れば、次の最適回帰式 ％式％） から、頚椎高Ｄｎが求まることになる。
ついて、年齢Ｙを説明変数とする重回帰分析を施すこと
で、 ａ ＝ −９６，０７７＋ １．６６Ｙ （相関係数
、 ０．０９）ｂ ＝ ９．０２−０．０００１Ｙ
（相関係数； −０，１１１）ｃ −−０，０２＋
０．０００５Ｙ （相関係数、 ０．４０５）が得ら
れる。すなわち、年齢Ｙと身長Ｔ及び体重Ｗが与えられ
れば、次の最適回帰式 ％式％） から、頚椎高Ｄｎが求まることになる。
なお、上記の頚椎高Ｄｎは、年齢回帰式を形成する各項
の相関係数の絶対値が比較的小さい値となっているが、
以下に示す民団Ｄｈのように、年齢回帰により際立って
確度の高い推測を可能にする体型データも存在する。
の相関係数の絶対値が比較的小さい値となっているが、
以下に示す民団Ｄｈのように、年齢回帰により際立って
確度の高い推測を可能にする体型データも存在する。
Ｄｈ、。−，９＝ ６２４．５１８−０．０４７Ｔ ＋
０．５７６ＷＤ ｈ ３．−３９＝ ７２１．５８４
−０．９８０Ｔ 十０．５６１ＷＤｈ、。−，９＝ ７
５２．９９５−０．１１７Ｔ ＋ ０．５６９ＷＤ ｈ
ｓ。−６，＝ ８０６．２７０−０．１８２Ｔ 十０
．６６１ＷＤ ｈ ｗｅ−ｓｓ＝ ５４４．６００ ０
．１９１Ｔ ＋ ０．９０７Ｗここで、年代別の相関係
数は、いずれも０．９２ないし０．９５であり、これら
のデータにもとづいて算出した年齢回帰式 ％式％） の各項括弧内に示した単回帰式に関する相関係数は、０
．９７５．−０．９８１，０．７２９といずれも高い数
値を示している。そして、回帰分析結果を総合した場合
、全項目の半数を越える項目において；その年齢回帰式
の相関係数が０．８０以上の高い値を示すことが判明し
ており、事実、個人の年齢と身長と体重を入力して得ら
れた胸囲や胴囲或は腰囲といった人体各部位の推測値が
、実用上なんらの支障を来さない範囲で、実測値に合致
するものであることが確認されている。
０．５７６ＷＤ ｈ ３．−３９＝ ７２１．５８４
−０．９８０Ｔ 十０．５６１ＷＤｈ、。−，９＝ ７
５２．９９５−０．１１７Ｔ ＋ ０．５６９ＷＤ ｈ
ｓ。−６，＝ ８０６．２７０−０．１８２Ｔ 十０
．６６１ＷＤ ｈ ｗｅ−ｓｓ＝ ５４４．６００ ０
．１９１Ｔ ＋ ０．９０７Ｗここで、年代別の相関係
数は、いずれも０．９２ないし０．９５であり、これら
のデータにもとづいて算出した年齢回帰式 ％式％） の各項括弧内に示した単回帰式に関する相関係数は、０
．９７５．−０．９８１，０．７２９といずれも高い数
値を示している。そして、回帰分析結果を総合した場合
、全項目の半数を越える項目において；その年齢回帰式
の相関係数が０．８０以上の高い値を示すことが判明し
ており、事実、個人の年齢と身長と体重を入力して得ら
れた胸囲や胴囲或は腰囲といった人体各部位の推測値が
、実用上なんらの支障を来さない範囲で、実測値に合致
するものであることが確認されている。
こうして、すべての体型データＤ、〜Ｄｋについての回
帰分析が完了したら、ステップ（１０３）に示したよう
に、得られたすべての最適回帰式を体型寸法の推測プロ
グラムに組み込んでおき、以下に示す推測に供する。
帰分析が完了したら、ステップ（１０３）に示したよう
に、得られたすべての最適回帰式を体型寸法の推測プロ
グラムに組み込んでおき、以下に示す推測に供する。
この推測プログラムには、体形寸法の性別・年齢・身長
・体重からの推測計算アルゴリズムが組み込まれること
になる。従って、性別を指定したあと、第２図のステッ
プ（１１０）に示したように、体型データＤ、に関する
最適回帰式％式％） そして、次にステップ（ＩＩＩ）に示したように、上記
最適回帰式中の年令Ｙと身長Ｔ及び体重Ｗの項目に、推
測対象である個人のデータを読み込む。これにより、簡
単な算術計算を通じて体型データＤ＋の推測値を算出す
ることができる。以下、同様の操作の繰り返しにより、
最後の体型データＤｋまでの推測データを得ることがで
きる。
・体重からの推測計算アルゴリズムが組み込まれること
になる。従って、性別を指定したあと、第２図のステッ
プ（１１０）に示したように、体型データＤ、に関する
最適回帰式％式％） そして、次にステップ（ＩＩＩ）に示したように、上記
最適回帰式中の年令Ｙと身長Ｔ及び体重Ｗの項目に、推
測対象である個人のデータを読み込む。これにより、簡
単な算術計算を通じて体型データＤ＋の推測値を算出す
ることができる。以下、同様の操作の繰り返しにより、
最後の体型データＤｋまでの推測データを得ることがで
きる。
勿論、推測プログラムによっては、一度の操作ですべて
の体型データＤ１〜Ｄｋを推測することも可能である。
の体型データＤ１〜Ｄｋを推測することも可能である。
このように、上記体型寸法の推測方法によれば、あらか
じめ収集した体型寸法に関する数値データから、年齢層
ごとに身長Ｔと体重Ｗを説明変数とする最適重回帰式 ％式％ を導出し、続いて最適重回帰式りの定数ａと係数す、ｃ
について、それぞれ年齢Ｙを説明変数とする最適単回帰
式 ％式％ を導出し、こうして得られた最適重回帰式と最適単回帰
式を組み合わせることで、男女別に人体各部位の最適回
帰式 ％式％） を決定するとともに、性別と年齢Ｙと身長Ｔ及び体重Ｗ
が与えられときに、前記最適回帰式を用いて体型寸法を
推測する方法によっているため、身長と体重以外の体型
データを算術計算を通じてただちに推測計算することが
でき、また３個の説明変数による重回帰分析を直接実施
するのではなく、一旦、身長と体重を説明変数とする最
適重回帰式を導出したのち、その定数と係数ごとに重回
帰による年齢回帰を実施するので、徒に複雑な回帰分析
を導入せずに済み、年代層ごとに重回帰分析の有効性を
確認しつつ処理を進めることができる。
じめ収集した体型寸法に関する数値データから、年齢層
ごとに身長Ｔと体重Ｗを説明変数とする最適重回帰式 ％式％ を導出し、続いて最適重回帰式りの定数ａと係数す、ｃ
について、それぞれ年齢Ｙを説明変数とする最適単回帰
式 ％式％ を導出し、こうして得られた最適重回帰式と最適単回帰
式を組み合わせることで、男女別に人体各部位の最適回
帰式 ％式％） を決定するとともに、性別と年齢Ｙと身長Ｔ及び体重Ｗ
が与えられときに、前記最適回帰式を用いて体型寸法を
推測する方法によっているため、身長と体重以外の体型
データを算術計算を通じてただちに推測計算することが
でき、また３個の説明変数による重回帰分析を直接実施
するのではなく、一旦、身長と体重を説明変数とする最
適重回帰式を導出したのち、その定数と係数ごとに重回
帰による年齢回帰を実施するので、徒に複雑な回帰分析
を導入せずに済み、年代層ごとに重回帰分析の有効性を
確認しつつ処理を進めることができる。
また、衣服作成又は衣服用型紙作成の際に従来必要とし
た採寸が不用となり、さらに世代交替により体型寸法の
基礎データが変容した場合でも、最適回帰式中の定数或
は係数の見直しにより、簡単に対応することができ、同
時にまた衣服消費者の立場からも、年齢と身長及び体重
といった通常もっとも身近に記憶しているデータを提供
するだけで、採寸を経ずに注文服に近い既製服が入手で
きるようになるため、既製服市場の活性化を図ることが
でき、さらにまた最適回帰式を型紙の拡大又は縮小に必
要なデータの作成に用いることにより、グレーディング
（標準体型の型紙の拡大又は縮小）の数式処理化への道
を開くことができる。
た採寸が不用となり、さらに世代交替により体型寸法の
基礎データが変容した場合でも、最適回帰式中の定数或
は係数の見直しにより、簡単に対応することができ、同
時にまた衣服消費者の立場からも、年齢と身長及び体重
といった通常もっとも身近に記憶しているデータを提供
するだけで、採寸を経ずに注文服に近い既製服が入手で
きるようになるため、既製服市場の活性化を図ることが
でき、さらにまた最適回帰式を型紙の拡大又は縮小に必
要なデータの作成に用いることにより、グレーディング
（標準体型の型紙の拡大又は縮小）の数式処理化への道
を開くことができる。
［発明の効果］
以上説明したように、この発明によれば、あらかじめ収
集した体型寸法に関する数値データから、回帰分析によ
り年齢と身長及び体重を変数とする最適回帰式を作成し
、年齢と身長及び体重が与えられときに、最適回帰式を
用いて体型寸法を推測するため、回帰分析により得られ
た最適回帰式を用い、個人の性別・年令・身長・体重を
入力するだけて、ただちに他部位の寸法を推測計算する
ことができ、これにより衣服作成又は衣服用型紙作成の
際に従来必要とした採寸が不用となり、さらに世代交替
により体型寸法の基礎データが変容した場合でも、最適
回帰式中の定数或は係数の見直しにより、簡単に対応す
ることができ、同時にまた衣服消費者の立場からも、年
齢と身長及び体重といった通常もっとも身近に記憶して
いるデータを提供するだけで、採寸を経ずに注文服に近
い既製服が入手できるようになるため、既製服市場の活
性化を図ることかできる等の優れた効果を奏する。
集した体型寸法に関する数値データから、回帰分析によ
り年齢と身長及び体重を変数とする最適回帰式を作成し
、年齢と身長及び体重が与えられときに、最適回帰式を
用いて体型寸法を推測するため、回帰分析により得られ
た最適回帰式を用い、個人の性別・年令・身長・体重を
入力するだけて、ただちに他部位の寸法を推測計算する
ことができ、これにより衣服作成又は衣服用型紙作成の
際に従来必要とした採寸が不用となり、さらに世代交替
により体型寸法の基礎データが変容した場合でも、最適
回帰式中の定数或は係数の見直しにより、簡単に対応す
ることができ、同時にまた衣服消費者の立場からも、年
齢と身長及び体重といった通常もっとも身近に記憶して
いるデータを提供するだけで、採寸を経ずに注文服に近
い既製服が入手できるようになるため、既製服市場の活
性化を図ることかできる等の優れた効果を奏する。
また、男女別に収集した数値データから、年齢層ごとに
身長と体重を説明変数とする最適重回帰式を導出し、次
に得られた最適重回帰式の定数と係数について、それぞ
れ年齢を説明変数とする最適重回帰式を導出し、これら
最適重回帰式と最適重回帰式を組み合わせることで、最
終的な最適回帰式を得るようにしたから、３個の説明変
数による重回帰分析を直接実施するのではなく、一旦、
身長と体重を説明変数とする最適重回帰式を導出したの
ち、その定数と係数ごとに重回帰による年齢回帰を実施
することで、徒に複雑な回帰分析を導入せずに済み、年
代層ごとに重回帰分析の有効性を確認しつつ処理を進め
ることができる等の効果を奏する。
身長と体重を説明変数とする最適重回帰式を導出し、次
に得られた最適重回帰式の定数と係数について、それぞ
れ年齢を説明変数とする最適重回帰式を導出し、これら
最適重回帰式と最適重回帰式を組み合わせることで、最
終的な最適回帰式を得るようにしたから、３個の説明変
数による重回帰分析を直接実施するのではなく、一旦、
身長と体重を説明変数とする最適重回帰式を導出したの
ち、その定数と係数ごとに重回帰による年齢回帰を実施
することで、徒に複雑な回帰分析を導入せずに済み、年
代層ごとに重回帰分析の有効性を確認しつつ処理を進め
ることができる等の効果を奏する。
さらにまた、前記最適回帰式は、衣服用型紙の作成に必
要な人体の各部位ごとに作成し、型紙の拡大又は縮小に
必要なデータの作成（こ用し）ることにより、型紙作成
に頻繁に用し）られるグレーディグの数式処理化への道
を開くこと力くできる等の効果を奏する。
要な人体の各部位ごとに作成し、型紙の拡大又は縮小に
必要なデータの作成（こ用し）ることにより、型紙作成
に頻繁に用し）られるグレーディグの数式処理化への道
を開くこと力くできる等の効果を奏する。
第１図は、この発明の体型寸法の推測方法ζこ用いる最
適回帰式の導出過程を示すフローチャート、第２図は、
導出された最適回帰式を用し）た体型寸法の推測手順を
示すフローチャートである。
適回帰式の導出過程を示すフローチャート、第２図は、
導出された最適回帰式を用し）た体型寸法の推測手順を
示すフローチャートである。
Claims (3)
- （１）あらかじめ収集した体型寸法に関する数値データ
から、回帰分析により年齢と身長及び体重を変数とする
最適回帰式を導出し、年令と身長及び体重が与えられと
きに、前記最適回帰式を用いて体型寸法を推測する体型
寸法の推測方法。 - （２）前記最適回帰式は、まず男女別に収集した数値デ
ータから、年齢層ごとに身長と体重を説明変数とする最
適重回帰式を導出し、次に得られた最適重回帰式の定数
と係数について、それぞれ年齢を説明変数とする最適単
回帰式を導出し、これら最適重回帰式と最適単回帰式を
組み合わせて得ることを特徴とする特許請求の範囲第１
項記載の体型寸法の推測方法。 - （３）前記最適回帰式は、衣服用型紙の作成に必要な人
体の各部位ごとに作成し、型紙の拡大又は縮小に必要な
データの作成に用いることを特徴とする特許請求の範囲
第１項記載の体形寸法の推測方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62079144A JPS63249708A (ja) | 1987-03-31 | 1987-03-31 | 体形寸法の推測方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62079144A JPS63249708A (ja) | 1987-03-31 | 1987-03-31 | 体形寸法の推測方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS63249708A true JPS63249708A (ja) | 1988-10-17 |
Family
ID=13681766
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP62079144A Pending JPS63249708A (ja) | 1987-03-31 | 1987-03-31 | 体形寸法の推測方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS63249708A (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008077551A (ja) * | 2006-09-25 | 2008-04-03 | Univ Of Tokyo | リンクの質量パラメータの推定法 |
| WO2008084789A1 (ja) * | 2007-01-09 | 2008-07-17 | National Institute Of Advanced Industrial Science And Technology | 三次元形状モデル生成装置、三次元形状モデル生成方法、コンピュータプログラム、及び三次元形状モデル生成システム |
| JP2008229364A (ja) * | 2000-10-24 | 2008-10-02 | Katsuzo Kawanishi | 健康管理装置 |
| JP2009050596A (ja) * | 2007-08-29 | 2009-03-12 | Hitachi Medical Corp | 腹囲推定装置 |
| JP2017134470A (ja) * | 2016-01-25 | 2017-08-03 | 株式会社メイキップ | 適正サイズ提示方法、適正サイズ提示システム、サーバ装置、及びプログラム |
| JP2018092679A (ja) * | 2018-03-14 | 2018-06-14 | 株式会社メイキップ | 適正サイズ提示方法、適正サイズ提示システム、サーバ装置、及びプログラム |
-
1987
- 1987-03-31 JP JP62079144A patent/JPS63249708A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008229364A (ja) * | 2000-10-24 | 2008-10-02 | Katsuzo Kawanishi | 健康管理装置 |
| JP2008077551A (ja) * | 2006-09-25 | 2008-04-03 | Univ Of Tokyo | リンクの質量パラメータの推定法 |
| WO2008084789A1 (ja) * | 2007-01-09 | 2008-07-17 | National Institute Of Advanced Industrial Science And Technology | 三次元形状モデル生成装置、三次元形状モデル生成方法、コンピュータプログラム、及び三次元形状モデル生成システム |
| JP2009050596A (ja) * | 2007-08-29 | 2009-03-12 | Hitachi Medical Corp | 腹囲推定装置 |
| JP2017134470A (ja) * | 2016-01-25 | 2017-08-03 | 株式会社メイキップ | 適正サイズ提示方法、適正サイズ提示システム、サーバ装置、及びプログラム |
| JP2018092679A (ja) * | 2018-03-14 | 2018-06-14 | 株式会社メイキップ | 適正サイズ提示方法、適正サイズ提示システム、サーバ装置、及びプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7346421B2 (en) | Production of made to order clothing | |
| White et al. | Evaluation of professional bra fitting criteria for bra selection and fitting in the UK | |
| Whitehead | Fitting Cox’s regression model to survival data using GLIM | |
| Power | Fabric objective measurements for commercial 3D virtual garment simulation | |
| Yan et al. | A virtual e-bespoke men's shirt based on new body measurements and method of pattern drafting | |
| Sabina et al. | Virtual fitting–innovative technology for customize clothing design | |
| KR102236188B1 (ko) | 맞음새 여유량 선호를 반영한 의류 사이즈 제안 시스템 | |
| Mahar et al. | Measuring fabric handle to define luxury: an overview of handle specification in next-to-skin knitted fabrics from Merino wool | |
| Sohn et al. | Visual analysis of body shape changes during pregnancy | |
| Lee et al. | Development of indirect method for clothing pressure measurement using three-dimensional imaging | |
| KR102236191B1 (ko) | 인공신경망을 이용한 체형분류 자동화 및 패턴 자동보정 시스템 | |
| Cheng et al. | Research on the male lower torso for improving underwear design | |
| Kimball | Smoothing Data with Cubic Splines 1 | |
| Hong et al. | Application of 3D-TO-2D garment design for atypical morphology: a design case for physically disabled people with scoliosis | |
| JPS63249708A (ja) | 体形寸法の推測方法 | |
| Kim et al. | Characteristics of women's basic bodice pattern formation in relation to the anthropometric references | |
| Duggal et al. | Photogrammetric analysis of attractiveness in Indian faces | |
| Mastamet-Mason et al. | Identification of a unique African female body shape | |
| Scott | The role of 3D measurement technology and anthropometric data for improved garment fit and sustainable manufacturing | |
| Kim et al. | A quantification of the preferred ease allowance for the men’s formal jacket patterns | |
| EP1341427B1 (en) | Production of made to order clothing | |
| Gu et al. | Pattern generation rules for basic women’s suits | |
| Lapkovska et al. | Garment fit: Where do we stand? | |
| KR102236199B1 (ko) | 인공신경망을 이용한 체형분류 자동화 및 패턴 생성 시스템 | |
| Almalki et al. | 3D body scanners’ ability to improve the cutting of patterns for traditional Saudi garment to assimilate them into modern-day clothing |