[发明专利]一种基于人体大数据的服装制版方法

权利要求书

1.一种基于人体大数据的服装制版方法，其特征在于，所述方法包括以下步骤：

对人体进行三维扫描并处理扫描数据，通过对所述扫描数据进行网格语义解析和基础坐标系标准化，得到人体数据点集；

对所述人体数据点集进行修正处理，以解决人体在扫描过程中站姿和体型不标准的问题，所述修正处理包括：先采用多角度截面扫描对模型进行多角度层切，根据层切的截面曲线形状计算其几何中心点、物理中心点和对称轴线，并利用几何中心点与物理中心点的距离判定截面曲线对称的置信度；针对不对称的置信度判定该截面的分类和语义属性，然后构建基于局部坐标系插值方法进行站姿修正，其中对每一个层切面构造一个局部坐标系，两层之间的点按两层局部坐标系插值进行关联；

对修正后的数据点集进行人体几何特征提取、人体尺寸关键参数提取，将提取到的人体尺寸关键参数以一维向量的形式组织，分析各参数之间的相关性，确定各参数的权重，利用聚类算法对训练样本数据分类，构造体型的高维特征空间，使用主成分分析(PCA)算法降维，确定主控参数，以进行人体三维模型分类与体型特征空间构造，构建经训练的人体尺寸关键参数；

重复以上步骤以得到经训练的人体尺寸关键参数的大数据模型；

对选定的服装款式版型进行参数化，按照服装款式，针对选定的训练样本人体制作服装款式训练样本的版型，此处作为训练样本的人体模型和训练样本服装款式版型一一对应，需要保证版型对于相应的人体的合体性；将服装款式版型转化为点、线段、多项式曲线的形式，根据待制版的款式提取服装款式尺寸，提取的尺寸关键参数包括以下类中的至少一种：1)点坐标值类，2)直线距离类，3)曲线长类，4)夹角类；服装款式参数与人体特征点、特征线、夹角之间存在对应关系；将提取到的服装款式尺寸关键参数以一维向量的形式组织，分析各参数之间的相关性，计算协方差矩阵，确定各参数的权重，利用聚类算法对训练样本数据分类，构造款式的高维特征空间，空间维度与特征向量维度相同，使用PCA算法降维，确定主控参数，以得到经训练的款式尺寸关键参数；构造服装款式的稀疏表达模型，使用低于阈值数目的特征和系数表示服装款式特征，按上述步骤得到经训练的服装款式版型的大数据模型；

大数据制版神经网络模型训练，构造深度神经网络模型，输入层为所有的经训练的人体尺寸关键参数，输出为对应的服装款式尺寸关键参数，利用神经网络训练算法训练模型，确定模型参数；

根据大数据模型并运用神经网络得到服装款式尺寸来进行制版。

2.根据权利要求1所述的服装制版方法，其中对所述人体数据点集进行修正处理的步骤包括：

针对用户人体客观存在的体型不标准的情况进行体型规则化处理，采用基于局部包围盒变形的方法，按各部位不同原则进行变形，实现规则化处理过程；包围盒以竖直方向(Z轴)上相邻两个层切面为Z轴方向的上下边界，再以该两个截面中间部分的三维模型的角点(X、Y的最大和最小值)为X、Y轴方向的边界构造，内部点的变形按相邻两层切面的局部坐标系插值进行变换。

3.根据权利要求1所述的方法，其特征在于，对人体进行三维扫描并处理的步骤包括使用至少一个三维深度摄像头、便携式支架和转盘进行人体扫描以得到经扫描的数据点；对经扫描的数据点进行预处理，包括，网格去噪、网格光顺、网格简化、网格规范化、网格语义解析、网格模型基础坐标系标准化。

4.根据权利要求1所述的方法，其特征在于，对所述人体数据点集进行修正处理的步骤包括针对人体在扫描过程中站姿不标准的问题，即人体前后弯曲、左右弯曲、左右S型弯曲、上下同轴扭转、上下离轴扭转、高低肩、前后腿、重心偏移的站姿不规范问题，先采用多角度截面扫描对模型进行多角度层切，根据所有层界面曲线中心对称轴，获得各层的中心对称线。