基于HSI彩色模型远程测量青年男体围度拟合.pdf

70制衣技术2023年第7 期针织工业基于HSI彩色模型远程测量青年男体围度拟合叶聪1,匡才远,姜川3,刘国联4（1.金陵科技学院艺术学院，江苏南京2 1 1 1 6 9；2.金陵科技学院动漫学院，江苏南京2 1 1 1 6 9；3.中国纺织工业联合会，北京1 0 0 0 2 0；4.苏州大学纺织与服装工程学院，江苏苏州2 1 0 5 2 1)摘要：为实现人体远程测量系统的有效性，提出运用人体照片来预测青年男体的围度。通过HSI颜色空间转换、轮廓光滑处理等图像处理方法提取了人体轮廊。通过识别人体特征点，得到人体的体表角度、宽度和厚度；按照体表角度、厚度/宽度等指标进行人体体型分类。基于各个围度对应的厚度和宽度构建了颈围、胸围、腰围、腹围、臀围和大腿根围的围度拟合方程,并对拟合方程进行了误差分析。结果表明,建立的围度预测模型有效，保证了人体远程测量系统的可靠性关键词：HSI彩色模型；人体远程测量；人体围度拟合；体型分类；青年男性；人体尺寸测量中图分类号：TS941.17文献标志码：A文章编号：1 0 0 0-40 3 3(2 0 2 3)0 7-0 0 7 0-0 6Young Males Girth Fitting of Remote Measurement Based onHSI Color ModelYe Cong,Kuang Caiyuan,Jiang Chuan,Liu Guolian4(1.Art College,Jinling Institute of Technology,Nanjing,Jiangsu 211169,China;2.College of Animation,Jinling Institute of Technology,Nanjing,Jiangsu 211169,China;3.China National Textile and Apparel Council,Beijing 100020,China;4.College of Textile and Clothing Engineering,Soochow University,Suzhou,Jiangsu 215021,China)Abstract:In order to realize the effectiveness of the remote measurement system of human body,it is proposedto predict the girths of young male by using human body photos.The silhouette of human body was extracted byHSI color space conversion,silhouette smoothing and other image processing methods.The angle,width and thicknessof body surface were obtained by identifying the feature points of human body.Body types were classified accordingto body surface angle and ratio between thickness and width.Based on the corresponding thickness and width ofeach girth,the fitted equations of neck girth,chest girth,waist girth,abdomen girth,hip girth and thigh girthwere constructed.The results show that the girth fiting model is effective,which ensures the reliability of theremote measurement system.Key words:HSI Color Model;Human Body Remote Measurement;Human Girth Fitting;Body Type Classifi-cation;Young Male;Measurements of Human Size目前，人们有了日益增长的美好着装需求，服装消费模式也发生了巨大变化。无论是电子商务模式下的服装销售，还是个性化的服装定制，人体尺寸的准确测量都是影响服装合体程度的重要因素。三维人体测量设备虽然测量快速，但是存在价格高昂、携带不便、不适合居家测量等不足1-2 。因此，有必要基金项目：国家自然科学基金项目（6 1 7 0 2 46 1)；“十四五 江苏省设计学重点建设学科（苏教研函2 0 2 2 2 号）；江苏高校“青蓝工程（苏教师函202327号资助；南京市文化人才培养资助项目（2 2 BM7005）。作者简介：叶聪（1 9 8 3 一），女，副教授，博士。主要从事人机工效学研究。71制衣技术2023年第7 期针织工业探索非接触二维远程人体测量系统，其具备成本低、操作方便的特点，可满足个性化着装的需求随着摄像机和计算机的发展，用户很方便获取图像。有学者基于2D图像进行人体自动测量技术的研究，运用弗里曼八链码检测方法提取特征点，建立模型来计算人体尺寸3-4。Senanayake et al5使用启发式算法寻找人体轮廓上的关键位置来测量人体尺寸。郭力子等6 对数字图像进行灰度处理和去噪处理，经交互式测量，获取人体二维尺寸。刘婷等7 提出了单目深度摄像头下的人体尺寸测量方法，该方法基于特征描述子构建随机森林回归模型，将关键特征点作为人体尺寸测量的源点。许明星等8 改变传统ASM算法单模板匹配模式，改进实现人体特征点的提取方法，实现特征尺寸测量。徐慧明等9 提出了结合消失点方法和图像比例关系，进行人体特征识别、特征提取与背景分割，实现人体参数尺寸测量。张丽艳等1 0 运用算法进行人体骨架识别，根据近似算法对人体尺寸进行计算。围度预测的精准度是远程人体测量系统的关键。研究人员采用不同的方法进行围度拟合，如采用高度定位方法，将获取的数据进行对应和筛选，建立青年男体围度的拟合方程；使用椭圆傅立叶进行断面形状描述，提出预测断面围度尺寸的方法1 2 ；根据下肢截面形态扁平程度进行分类，建立各类回归方程来计算围度1 3 ，根据水平截面的横矢径比进行分类，建立不同围度的二元线性回归方程1 4；利用二维照片成像系统获取人体正面和侧面图像以提取正交轮廓，通过基于宽度和厚度测量的回归方程预测围度1 5-1 6 为了提高远程人体测量系统的实用性，本文首先运用HSI彩色模型等系列数字图像处理方法提取人体轮廓及特征尺寸，其次利用体表角度、围度宽厚比进行人体体型细分，然后进行体型细分后的围度拟合，并验证拟合的精确度1人体测量运用苏州大学非接触测量系统1 7-1 8 和三维人体测量系统对青年男性进行测量，测量对象年龄为1824岁，测量人数为3 1 0 人。为了提高数据的精准度，要求被试者穿着贴身内衣裤，摘除项链、眼镜、手表等配饰，身体直立静止，眼睛平视前方，手臂远离身体，能够区分人体躯干与腋窝，两脚站在测量室中指定位置。2人体图像处理2.1轮廓提取2.1.1颜色空间通常情况，非接触式测量系统拍摄图片时使用的是RGB颜色空间，RGB模型有利于图像的显示，但RGB模型是一种很不均匀的颜色模型，3 个分量的相关性很高，两种颜色之间的感觉差异不能用颜色模型中两点间的距离来表示，不适用于图像分析和分割1 9 。而HSI颜色模型各轴在视觉上彼此无关，空间距离又符合人眼的感知特性，并且从RGB到HSI的转换是一个简单且快速的非线性变换过程2 0 因此，需要将RGB颜色空间转换成HSI颜色空间。由于HSI与RGB颜色模型存在一定的数学对应关系2 1 ,两者之间的转换如下色调分量H、饱和度分量S、亮度分量1 计算公式见式（1)一式(3),式(1)中的计算见式(4)。0/2BGH=(1)(2T-0)/2BG3S=1-min(R,G,B)(2)R+G+B(R+G+B)(3)假设RGB值已归一化到区间0,1内,且角度根据HSI空间的红轴来度量，则可以把计算所得色调H除以3 6 0 归一化到0,1 内,而其他两个值已经在0,1 内。在HSI颜色模型中，当H分量变化时，S分量越趋近于1，则颜色越纯；S分量越趋近于0，则颜色越接近纯灰色。因此，要有效提取出目标，就必须确定好各个分量的取值范围。人体皮肤的H值在0.0 6 8 左右2 2 ,以H=0.070作为色调分割阈值,H0.070为背景区域,H0.070为目标。利用I和S两个分量，通过背景变换，有效区分人体轮廓2.1.2轮廓光滑处理经过颜色空间转换，可以有效处理人体图像。但是，在人体图像内部存在孔洞，主要是由于该部位的颜色与人体体表的颜色相近。在此基础上，运用孔洞填充、开运算等算法，平滑对象的轮廓，断开狭窄连接，去掉细小的凸出部分2 3 由于人体图像像素的连通性，遍历图像的其他部分。运用函数bwperim实现人体图像轮廓的光滑处理，如图1 所示2.2特征尺寸提取运用图像处理学中的区域描绘子，得到人体图像的8 个极值点。其中，人体正面图像中的上-左点、上-右点位于同一行，该行记为Bh1；下-左点、下-右点也位于同一行，记为Bh217。根据图像学知识可知，Bh1行与Bh2行之间间隔行数的绝对值为人体身高的图像学尺寸,即身高=abs(Bh1-Bh2)。提取的人体轮廓属于二值图像，用1 表示轮廓的二值。根据臀高与身高的比例区间R2,R1,计72(a)颜色空间转换制衣技术期2023年第针织工业(R-G)+(R-B)a=arccos2(4)(R-G)2+(R-B)(G-B)J/2(b)轮廓光滑处理图1算法解释用图像算二值图像中臀高的最小值H2=abs(Bh1-Bh2)xR2,臀高的最大值H1=abs(Bh1-Bh2)R1,在区间H2,H1内寻找臀部的二值像素点。在H2,H1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最大值就是臀宽的像素值。同时，将最大值所在行记为HH1。在人体侧面图像中,HH1行上左像素点所在列数与右像素点所在列数差的绝对值则为臀厚的像素值，如图2 所示。按照相似方法，依次得到人体其他围度的宽度、厚度。2.3体表角度提取人体形态不仅有高矮、胖瘦，还有体表曲线。不同部位的体表角度可以反映人体局部或整体形态特征，如图3 所示以肩斜角为例，识别颈侧点(SNP)和肩端点(SP)是关键一步。SNP定义：用像素行距从顶行逐行扫描颈部，如果识别一个转折点，则扫描结束，该点就是颈侧点。SP定义：如图4所示，0 1 为腋点，通过O,画一条垂线，与肩部轮廓相交，得到点0 2；连接点0 1、0 2，然后将0,02三等分；通过三等分点画水平(c)提取的人体轮廓Bh1Bh1H1H1H2H2Bh2Bh2(a)正面(b)侧面图2人体图像尺寸提取线，分别相交于肩部轮廓，得到点SI、S 2;画一条线通过SNP和O2,另一条线通过S，和S2，然后这两条线相交；将线SNPO,与S,S,的夹角平分，角平分线与肩部轮廓相交得到肩端点SP。首先识别点SNP和SP过SNP画一条水平线，连接SNP和SP,则两线的夹角为肩斜角。在Matlab中，调用相关函数进行角度计算3人人体体型分类3.1体表角度分类剔除1 3 个奇异样本后，以肩前中心线肩斜角颈侧点肩端点体侧角腰围线(a)正面重心线第7 颈椎点背人角胸围线背侧角腰围线臀凸角臀围线(b)侧面图3男体体表角度图SNPSP01(a)肩端点SNP肩斜角SP(b)肩斜角图4肩斜角提取斜角、臀凸角、背人角等体表角度为分类依据1 7.2 4。选用标准差将变量进行3 分制区分1，见表1。3.2宽厚比分类围度部位的厚度、宽度尺寸和截面形状存在明显相关性2 5 。因此，将人体围度部位厚度与宽度的比值作为人体体型分类的二级指标。借鉴人体各围度厚宽比以0.0 5分档的原则2 6 ,将体表角度均正常的2 46 名青年男体按照厚度/宽度73制衣技术2023年第7 期针织工业指标进行二次分类，结果见表2-表4。4围度拟合分析4.1基于点云数据的围度测量按照腰高与身高的比例关系，在3 D点云图中确定腰围的位置，腰围测量步骤如下：a.使用Imageware软件输入三维点云数据,切换到视角“Front；b.通过工具“Parallel CloudCross Sections选择Y轴方向的腰围截面；c.利用工具“3 D-Spline在“Left视角下绘制腰围曲线，如图5所示，然后利用工具“ObjectIn-formation测量腰围值。通过类似操作，可以量取颈围、胸围、腹围、臀围和大腿根围等围度尺寸。4.2围度拟合方程由于围度和相应宽厚度存在相关关系1 ,可以建立以相关围度为因变量，相应围度厚度、围度宽度为自变量的二元一次回归方程。将经过图像处理提取的厚度、宽度与3 D点云图对应的围度进行回归，拟合结果见表5 一表1 0。4.3围度尺寸拟合验证选取5 0 人作为检验样本，用体表角度、厚宽比进行分类，同时采用相关的拟合方程，预测对应的围度尺寸。将5 0 人的实际三维测量值与不同体型分类后的拟合值进行对比分析。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）来检验拟合结果，对比结果见表1 1。1 1 表示相对误差在-1.2 5%1.2 5%；I2/表示相对误差在-2.5 0%-1.2 5%和1.25%2.50%；l 3 1 表示相对误差在-3.7 5%-2.5 0%和2.5 0%3.7 5%;I4/表示相对误差小于-3.7 5%或者大于3.7 5%。验证结果表明，人体围度厚宽比分类的回归拟合方程的预测精度比较高，除了颈围的相对误差在-2.5 0%2.5 0%（I21之内）的百分比稍低，其他围度的相对误差在-2.5 0%2.5 0%（I21之内）的百分比都在8 5%左右。一般而言，上装胸围尺寸误差允许2 cm。根据相关资料，胸围8 4cm的成年人在呼吸时围度变化量为2 3 cm，因此本文认为人体胸围数据精度误差表1青年男体体表角度分类肩斜角臀凸角背入角分类角度/(）人数/人特征角度/()人数人特征角度/）人数/人特征11928平肩1523平臀2723溜肩2326翘臀2620驼背表2颈围部位按厚宽比分档结果档差类别颈厚/颈宽档差类别颈厚/颈宽档差0.770.81档差1.021.0616人数人9人数人56档差0.82 0.86档差1.071.1127人数人19人数人32档差0.870.91档差1.121.1638人数/人31人数人11档差0.920.96档差1.241.2849人数人35人数人10档差0.971.01档差1.391.42510人数人33人数人10表3胸围部位按厚宽比分档结果档差类别胸厚/胸宽档差类别胸厚/胸宽档差0.820.86档差1.181.2218人数人18人数人14档差0.870.91档差1.231.2729人数人52人数人14档差0.920.96档差1.281.32310人数/人48人数人12档差0.971.01档差1.331.37411人数人13人数人20档差1.031.07档差1.381.42512人数/人7人数人14档差1.081.12档差1.431.47613人数/人12人数人7档差1.131.177人数人15在2 1 以内，符合人体测量要求，具有较高的实用价值，并且可以由此推广到其他围度尺寸5结束语本文根据远程人体测量的需求，提出了一种便捷且经济的人体测量方法。运用HSI颜色空间转换、孔洞填充、开运算及像素连通性等图像处理方法，较好地提取了青年男体正面、侧面图形的人体轮廓。根据人体体表角度和人体围度74制衣技术2023年第7 期针织工业表4腰围、腹围、臀围、大腿根围部位按厚宽比分档结果档差类别腰厚/腰宽腹厚/腹宽臀厚/臀宽大腿根厚/大腿根宽档差0.61 0.650.590.630.650.690.991.031人数人7134130档差0.660.700.640.680.700.741.041.082人数/人246710568档差0.710.750.690.730.750.791.091.133人数/人901046954档差0.760.800.740.780.800.841.141.184人数/人69512760档差0.810.850.790.830.850.901.191.235人数人4811423档差0.860.901.241.286人数人811cleud(s)CListSelect A1lMethodOPoiateDirectiomOxOotherHo6StatPoint-12748371045000AntaCalculate SpacineSeetions10Spscing01000Meizhborhood Size27.1220Apply(a)示例一(b)示例二(c)示例三图5点云图的围度量取表5 到颈厚、颈宽与颈围的拟合方程颈围分类拟合方程颈围分类拟合方程1Y=8.907-1.189Xi+4.088X26Y=14.946-0.186X,+2.021X22Y=19.976-0.926X,+2.629X27Y=23.526-1.119X,+2.074X23Y=18.809-1.327X,+3.090X28Y=22.415-1.709X,+2.595X24Y=6.889+2.500X,+0.081X29Y=22.779+3.150X,-1.845X25Y=11.343+2.568X,-0.314X210Y=21.295+0.929X,+0.426X2注：Y表示颈围；X，表示颈厚；X，表示颈宽。表6 胸厚、胸宽与胸围的拟合方程胸围分类拟合方程胸围分类拟合方程Y=19.017+1.707X,+0.527X280Y=37.943+0.673X,+0.813X22Y=16.219+0.772X,+1.675X29Y=28.382+3.967X,-1.586X23Y=-2.560+1.564X,+1.470X210Y=31.965+0.219X,+1.235X24Y=38.169-1.233X,+2.789X211Y-14.518+1.395X,+0.703X25Y=22.938-3.014X,+4.774X212Y=16.553+0.503X,+1.211X26Y=29.559+2.233X,-0.257X213Y=-57.136+4.357X,+0.193X27Y=20.394+0.032X,+1.864X2注：Y表示胸围；X，表示胸厚；X，表示胸宽。的厚度/宽度比值，将人体划分为若干类。在每个类别中，以宽度和厚度为自变量建立了围度预测模型。另外选取了5 0 名试验对象进行验证，结果显示围度预测值和三维测量值没有显著差异，除颈围外，其他各个围度的误差在2 cm的百分比为8 5%左右。参考文献1许家岩，匡才远.体表特征参数对远程人体测量精度的影响J.丝绸,2 0 1 9,56(8):36-45.2YANJ,KUZMICHEVVE.Avirtu-al e-bespoke mens shirt based on newbody measurements and method of pat-tern draftingJ.Textile Research Jour-nal,2020,90(19/20):2223-2244.3JUHM T,PARK H,PARK JI.Fullyvision-based automatic human body me-asurement system for apparel applicationJJ.Measurement,2015,61:169-179.4HEEKYUNG J,CHEN J.A study on3D virtual body formation and deforma-tion by body shape analysis J.Interna-tional Journal of Clothing Science andTechnology,2019,31(6):755-776.5SENANAYAKE M,RAHEJAA,ZHANG Y H.Automated human bodymeasurement extraction J.InternationalJournal of Clothing Science and Tech-nology,2018,30(2):175-194.6郭力子，吴建艺.远程非接触式人体测量系统的研究与实现J.科学技术与工程,2 0 1 4,1 4(3 2):2 5 2-2 5 6.7刘婷，彭晓羽，谭小慧.单目深度摄像头下的人体尺寸的自动测量方法J.小型微型计算机系统,2 0 1 9,1 0（1 0)：2202-2208.8许明星，李重.基于图像的人体特征点提取与尺寸测量J.计算机系统应用,2 0 1 8,2 7(6):8 7-9 4.9徐慧明,夏立坤，杨琪，等.新型人体参数自动测量系统J.中国图象图形学报,2 0 1 7,2 2(2):2 2 5-2 3 1.10张丽艳，李伟，冷雪华，等.一种基于RGB-D的人体尺寸测量方法J.大连交通大学学报，2 0 1 9,40(5)：1 0 7-1 1 1.11刘国联，季开宸，金蓉，等.青年男体非接触式测量系统围度拟合的完善J.丝绸,2 0 1 4,5 1(1 0):2 0-2 5.12夏明,王文玲，张文斌.人体特征断面形状拟合及围度尺寸预测J.纺织75制衣技术2023年第7 期针织工业表7腰厚、腰宽与腰围的拟合方程腰围分类拟合方程腰围分类拟合方程1Y=-4.511-0.383X,+5.179X24Y=8.825+2.085X,+0.658X22Y=15.458+0.481X,+2.514X25Y=5.205+1.594X,+1.443X23Y=13.921+1.244X,+1.479X26Y=30.882-2.671X,+5.143X2注：Y表示腰围；X表示腰厚；X，表示腰宽。表8腹厚、腹宽与腹围的拟合方程腹围分类拟合方程腹围分类拟合方程1Y=4.945+4.641X,-3.713X24Y=-2.603+2.022X,+1.192X22Y=11.467+1.292X,+1.340X25Y=4.769-1.167X+4.865X23Y=4.578+0.723X,+2.515X2注：Y表示腹围；X，表示腹厚；X，表示腹宽。表9 臀厚、臀宽与臀围的拟合方程臀围分类拟合方程臀围分类拟合方程1Y=33.286+0.588X,+1.755X23Y=14.734+2.372X,+0.139X22Y=22.273+1.272X,+1.233X24Y-18.109+0.364X,+2.551X2注：Y表示臀围；X表示臀厚；X，表示臀宽；第5 类因样本量少，未做拟合。表1 0大腿根厚、大腿根宽与大腿根围的拟合方程大腿根围分类拟合方程大腿根围分类拟合方程1Y=33.886+5.035X,-3.881X24Y=15.272-0.733X,+2.724X22Y=18.393+0.751X+1.264X25Y=-2.278+2.275X,+1.170X23Y=15.09+2.526X,-0.154X26Y=18.610-0.876X,+1.087X2注：Y表示大腿根围；X，表示大腿根厚；X，表示大腿根宽。表1 1围度拟合误差分析结果颈围胸围腰围腹围臀围大腿根围误差绝频数/百分频数/百分频数/百分频数/百分频数/百分频数/百分对值人比/%人比/%人比/%人比/%人比/%人比/%I1I244823462346244827542040I21153020402142183615302142I315104836612510510I416123636243648I21397843864488428442844182学报,2 0 1 4,3 5(8):7 6-8 0.13庞程方，任杰文，倪世明，等.基于二维测量下的下肢围度拟合研究J.浙江理工大学学报,2 0 1 5,3 3(1)：5 1-5 4.14李臻颖，苏军强，吴志明.青年女体三维扫描数据的特征围度计算方法J.纺织学报,2 0 1 7,3 8(5):1 1 0-1 1 4.15CU B F,LIU G L,XVBG.Girthprediction of young female body usingorthogonal silhouettes J.Journal of theTextile Institute,2017,108(1):140-146.16CAI X Y,GU B F,HEH A.Clas-sification analysis of young female stu-dents waist-abdomen-hip based on bodyphotosJJ.Textile Research Journal,2021,91(11/12):1409-1418.17匡才远，刘国联.基于青年女性人体图像的裙裤结构参数化设计J.毛纺科技,2 0 2 0,48(1 1):5 7-6 2.1 8 陈国旗.基于数字图像的青年男体二维非接触式测量系统研究D.苏州：苏州大学，2 0 1 1.19CASTLEMAN K R.Digital imageprocessingM.北京：清华大学出版社，2002.20刘广海，吴璟莉.基于颜色体积直方图的图像检索J.计算机科学，2 0 1 2，39(1):273-275.21拉斐尔C冈萨雷斯，理查德E伍兹.数字图像处理M.阮秋琦，译.北京：电子工业出版社，2 0 1 7.22杨敏，刘国联，戴宏钦.基于HSV颜色空间的人体轮廓提取方法研究J.北京服装学院学报：自然科学版，2015,35(2):41-46.23匡才远.人体图像边缘提取在泳装结构设计中的应用J.北京服装学院学报：自然科学版，2 0 1 5,3 5(3)：1 2-1 7.24CHA S Y.Lower body shape clas-sification of male university students J.Journal of the Korea Society of Computerand Information,2019,24(3):135-141.25陈晓玲，彭小琴，黄家剑.湖南女大学生体型特征与分类研究J.针织工业,2 0 2 1(8):7 2-7 7.26刘晓音，谢红.基于二维图像非接触式人体测量技术研究J.针织工业，2021(5):58-62.收稿日期2022年1 0 月7 日针织工业以服务行业为己任，传播、发表行业实用技术信息。欢迎大家订阅！