服装廓形的识别与量化

陶 晨，段亚峰，印梅芬

(1.浙江农业商贸职业学院，浙江 绍兴 312000;2.苏州大学纺织与服装工程学院，江苏 苏州 215021;3.绍兴文理学院纺织服装学院，浙江 绍兴 312000;4.绍兴出入境检验检疫局，浙江 绍兴 312000)

服装廓形的识别与量化

陶 晨1，2，段亚峰3，印梅芬4

(1.浙江农业商贸职业学院，浙江 绍兴 312000;2.苏州大学纺织与服装工程学院，江苏 苏州 215021;3.绍兴文理学院纺织服装学院，浙江 绍兴 312000;4.绍兴出入境检验检疫局，浙江 绍兴 312000)

提出一种量化与识别服装廓形的方法。通过选择合适的人脸区域作为特征区域，将人脸特征区域与头高相关联，通过AdaBoost算法检测图像中的人脸后，利用特征区域与头高的关系确定头高;根据人体比例关系，将着装人体分割为头、肩胸、胸腰、腰臀、大腿和小腿6大区段，讨论了区段高度随人体身头比变化的情况，给出了由人体身头比计算区段高度的公式;然后对各个区段提取宽度，利用区段宽度建立了A形、T形、H形、X形及O形轮廓的形态值和形态比公式，使服装廓形得以量化。结果表明该方法能够准确地识别服装廓形。

服装廓形;人脸检测;人体比例;识别;特征

服装廓形即服装的外轮廓，它直观地传达了服装的基本特征。人眼在没有看清款式与色彩细节之前，首先感觉到外轮廓，这说明服装廓形的重要性。近年来研究人员通过图像技术进行了关于廓形的研究。Turquin等［1］利用交互式服装设计系统来分析廓形与人模之间的间隙;Guan等［2］提出一种针对特定穿着特征的二维人体建模方法;Sohn等［3］利用虚拟缝纫系统评价服装外轮廓的视觉效果;刘正东等［4］采用多尺度小波变换进行边界检测，得到单像素级的人体轮廓图像。Nadar［5］在其虚拟试衣系统中探讨了用户体型与服装廓形的匹配算法。本文在人脸检测和着装人体分割的基础上，从人体各个区段宽度特征的角度来定义和识别常见的服装廓形。

1 人脸检测

本文研究使用的图片主要来自网络、杂志和实验室拍摄。经过筛选后，图片中包含一个正面站立的着装人体。人体可以是静态的，也可以是走动中的，但需保证姿态端正，服装形态得到充分展示，且目标与背景之间有明显区分度以便背景分离。

由于现实中服装色彩和廓形并无固定模式可循，但人脸所呈现的模式特征相对稳定，因此本研究通过人脸来确定图像中着装人体位置，并进一步划分出人体各区段。有关人脸检测的研究可追溯到20世纪60、70年代，经过几十年的发展已经日趋成熟。当前，基于统计学习的AdaBoost方法［6］已经成为广泛使用的人脸检测算法。

AdaBoost算法中，需要先确定特征区域，然后喂入大量样本进行学习训练，待系统收敛后即可用于人脸检测。人脸特征区域应该包含人脸上最稳定和最具特征的器官，而排除个体差异大的器官。在随机性强的复杂场景下(如人流密集的公共场所)这个区域通常只包含眼部。本文研究中，为了将特征区域与头部高度联系起来以便后面环节中进行人体分割，以眉心竖线为中心线，眉心水平线为顶边，眉骨宽度为边长，截取正方形作为人脸特征区域，如图1所示。

图1 人脸特征区域Fig.1 Feature region of human face

扩大特征区域一般意味着误判率增加，但由于本研究中涉及的场景是经挑选的、受控的，因此对误判率的影响很小，可以忽略。根据面部器官比例［7］，若眉骨宽度(即人脸特征区域边长)为h，则头顶到眉骨(即特征区域顶边)的垂直距离约为0.75h，特征区域底边到颏底的垂直距离为0.35h，头部总高度为2.1h，因此，一旦人脸特征区域确定，头部位置和高度即确定。

2 着装人体分割

为了提取着装人体各部位的宽度，本文将人体自上而下划分成头、肩胸、胸腰、腰臀、大腿和小腿6大区段，如图2所示。

图2 着装人体6大区段Fig.2 Six blocks of apparelled body

图2中人体身高为7倍头高，除小腿区段为2倍头高外，其余区段均为1倍头高。正常成年人身高一般为7～7.5倍头高，北欧人身高可能达到8～8.5倍头高。根据解剖学理论，人的身高增加主要体现为下半身长度的增加。在一定的头身比例范围内，可近似认为头、肩胸和胸腰区段的高度不变，而腰臀、大腿及小腿区段的高度变化如图3所示。

图3 腰臀、大腿及小腿区段高度随人体头身比例的变化Fig.3 Heights variation of block waist-hip，thigh，crus along with body-head ratio

如图3所示，7倍头高的人体其腰臀、大腿及小腿区段的高度分别为1倍头高、1倍头高、2倍头高，而8.5倍头高的人体其相应区段的高度分别为1.5倍头高、1.5倍头高、2.5倍头高。可以看出，在7倍头高至8.5倍头高之间，腰臀、大腿和小腿区段的高度是随头身比例近似线性增加的，因此，对于a(7≤a≤8.5)倍头高的人体，其腰臀、大腿和小腿区段的头高倍数(分别记为Hwh、Ht和Hc)可由下式计算得到:

人脸检测完成后，使用OTSU算法［8］对图像进行二值化处理，接着用数学形态学手段［9］去除噪声，然后将着装人体从背景中分离出来。以人脸特征区域上移0.75 h(见图1)作为头顶水平线，用逐行扫描的方法找出脚底水平线，2条水平线间的距离认作人体身高;特征区域下移0.35h即为颏底水平线，头高即确定。随后，自上而下对着装人体进行划分。头、肩胸、胸腰区段均为1倍头高(即2.1h)，腰臀、大腿和小腿区段高度由式(1)确定，式(1)中参数a由人体身高和头高的比值确定。进行人脸检测、背景分离和比例分割的过程如图4所示，图中人体身高为8.14倍头高。

图4 着装人体分割Fig.4 Apparelled body segmentation.(a)Face detection;(b)Background separation;(c)Proportional segmentation

更多人体比例分割的实例如图5所示，这与目测的结果基本一致。

3 廓形定义与计算

在人体分割的基础上，通过逐行扫描的方法，容易进一步对6大区段提取宽度，从而用区段的宽度比例来表征服装廓形。设自上而下各个区段的平均宽度分别为 Wh、Wsc、Wcw、Wwh、Wt、Wc。典型的廓形包括A形、T形、H形、X形和O形［10］。

图5 人体比例分割示例Fig.5 Samples of body proportional segmentation.(a)Sample 1;(b)Sample 2;(c)Sample 3;(d)Sample 4;(e)Sample 5

A形。以上体收紧，下摆打开为特征。上衣一般肩部较窄或裸肩，腰部贴身或宽松，衣摆或裙摆宽松肥大。定义其形态值

T形。以扩张肩部、腰部自然放松、下摆收缩为特征。定义其特征值

H形。肩部、腰部、下摆合体松弛，宽度基本一致，衣身呈直筒状。定义其形态值

X形。以肩部稍宽、腰部收紧、下摆扩张为特征。定义其形态值

O形。以上下收紧、中部扩张放松为特征。定义其形态值

VA与 VT、VX与 VO互为倒数，即越接近 A形，越远离T形，反之亦然;越接近X形，越远离O形，反之亦然。以上各形态值越大，表明越接近该种廓形。为了便于比较，对于以上5种廓形定义其形态比

其中 V 为对应形态值(即 VA、VT、VH、VX或 VO)，∑V=VA+VT+VH+VX+VO。形态比C介于0～1之间，值越大表明越接近该种廓形。在此人体分割基础上，对图5中的着装人体提取区段宽度，计算形态值和形态比，并判断服装廓形，结果如表1所示。可以发现，通过特征比判断的结果，与人眼观察和判断的结果一致。

表1 区段宽度、形态值、形态比及服装廓形Tab.1 Block widths，shape values，shape percentages and apparel silhouettes

上述结果表明，该方法对具有明显轮廓特征的服装有很好的辨识度。为验证该方法的可靠性，本文研究对以上5种服装廓形共1000幅图片进行了自动识别和人工识别的对比。在人工识别时，3位服装设计人员对同一幅图片做出判断，当判断结果全部相同则采纳，有不一致则放弃该样本。实际共识别图片963幅，结果统计如表2所示。

表2 自动识别准确率Tab.2 Accuracy rate of automatical identification

4 结论

在人脸检测的基础上进行人体比例分割，可以有效地切分人体各个主要区段。提取区段宽度进行形态值与形态比的计算，能够准确地量化表达服装廓形。此方法用于服装轮廓的自动识别具有较高的可靠性。

［1］ TURQUIN E，WITHER J，BOISSIEUX L，et al.A sketch-based interface forclothing virtualcharacters［J］.Computer Graphics and Applications，IEEE，2007，27(1):72－81.

［2］ GUAN P，FREIFELD O，BLACK M J.A 2D human body model dressed in eigen clothing［C］//Process 11th European Conference Computer Vision.Berlin:Springer-Verlag，2010:285－298.

［3］ SOHN J，YONEDA M.Visual evaluation of apparel silhouette using virtual sewing system［J］.Journal of Textile Engineering，2005，51(2):29－36.

［4］ 刘正东，王颖，高鹏.服装人台建模中的视觉图像人体轮廓细化提取［J］.计算机工程与应用，2007，43(16):246－248.LIU Zhengdong，WANG Ying，GAO Peng.Single pixel figure detection method for garment model measurement［J］. Computer Engineering and Applications，2007，43(16):246－248.

［5］ NADAR R P，RAMARAO R B，JAYAPRAKASH D，et al.Virtual apparel fitting system and method:US Patent，Application 13/466，152［P］.2012 －05 －08.

［6］ MA S，DU T.Improved adaboost face detection［C］//Measuring Technology and Mechatronics Automation(ICMTMA).Changsha:2010 International Conference on IEEE，2010:434－437.

［7］ 张宝才.人体造型解剖学［M］.北京:人民邮电出版社，2012:73－77.ZHANG Baocai.Human Body Modeling and Anatomy［M］.Beijing:Posts and Telecom Press，2012:73－77.

［8］ 何志勇，孙立宁，陈立国.Otsu准则下分割阈值的快速计算［J］.电子学报，2013，41(2):267－272.HE Zhiyong， SUN Lining， CHEN Liguo. Fast computation of threshold based onotsu criterion［J］.Acta Electronica Sinica，2013，41(2):267－272.

［9］ 唐常青.数学形态学方法及其应用［M］.北京:科学出版社，1990:130－147.TANG Changqing.Mathematical Morphology and Its Application［M］.Beijing:Science Press，1990:130 －147.

［10］ 陈彬.服装设计基础［M］.上海:东华大学出版社，2006:48－54.CHEN Bin.Baisic Apparel Design［M］.Shanghai:Donghua University Press，2006:48 －54.

Identification and quantification of apparel silhouette

TAO Chen1，2，DUANG Yafeng3，YIN Meifen4
(1.Zhejiang Agriculture and Business College，Shaoxing，Zhejiang 312000，China;2.College of Textile and Clothing Engineering，Soochow University，Suzhou，Jiangsu 215021，China;3.College of Textile and Clothing，Shaoxing University，Shaoxing，Zhejiang 312000，China;4.Shaoxing Entry-Exit Inspection and Quarantine Bureau，Shaoxing，Zhejiang 312000，China)

This paper proposed an approach to quantify and identify the apparel silhouettes.Firstly，a proper region in human face was selected as feature region to make relationship between this region and the head height，and after the human face detection conducted with AdaBoost method，the head height was determined in relation to face featured region.Then，according to the human body proportion the apparelled body was divided into six blocks including head，shoulder-chest，chest-waist，waist-hip，thign and crus，and the fact that the heights of blocks vary along with the body-head ratio was discussed and the formula for calculating block heights with body-head ratio advanced.Finally，the width of each block was extracted from the image，and the formulas for the shape values and percentages of A，T，H，X and O styles were established，which made the apparel silhouettes quantified.It turned out that this method can identify apparel silhouettes in an accurate way.

apparel silhouette;face detection;body proportion;identification;feature

TP 391.41

A

10.13475/j.fzxb.20140406904

2014－04－28

2014－11－26

陶晨(1981—)，男，讲师，博士生。主要研究方向为服装数字化技术。E-mail:517822307@qq.com。