傅白璐， 李 峻， 劉曉剛

(1. 東華大學 服裝與藝術設計學院， 上海 200051； 2. 東華大學 上海國際時尚創(chuàng)意學院， 上海 200051)

在服裝設計的三要素，即色彩、款式和材料中，款式設計是最為直觀且重要的，它構成了服裝的基本造型。服裝款式設計包含了對服裝內、外輪廓的總體造型設計。外輪廓是指服裝整體外部造型的剪影，它決定了服裝的整體效果，能充分反映服裝演變的流行趨勢及特征[1]。服裝廓形設計需要考慮與人體結構的吻合度，其直接影響到服裝風格的體現(xiàn)。

服裝設計的量化研究大都集中在服裝色彩的量化研究，對服裝廓形的相關研究相對較少。陶晨等[2]提出了一種量化和識別服裝廓形的方法，以提取用來判斷廓形的尺寸數據。不足之處是該方法針對人體四肢有裸露肌膚、四肢與身體之間有空隙或服裝外輪廓線有突變等情況的服裝廓形無法準確測量，可能導致廓形判斷較高的誤差。除此以外，不少圖像識別領域的學者提供了一系列的服裝識別與檢測方法[3-5]，然而這些方法往往局限于對服裝輪廓的提取，并沒有進一步對服裝廓形進行擴展。

本文利用計算機快速準確地對大批量圖像中的信息進行處理，并且結合數學模型，分割出靜態(tài)圖像中的目標人體，提取并測量人體以及服裝相關尺寸精準數據，從而構建智能女裝廓形尺寸數據庫。該數據庫提供了女裝廓形相關尺寸測量方法和流程，為女裝的廓形判斷提供試驗數據，便于服裝設計師了解廓形趨勢，獲取設計靈感。

1 基于模型的靜態(tài)圖像人體分割

利用計算機識別并分割靜態(tài)圖片目標人體存在一定難度，其難度源于復雜的背景圖像、目標與背景顏色的對比程度、目標人體的光照角度、目標人體的不同姿勢等。靜態(tài)圖像人體分割的算法包括最大后驗概率模型、隱式馬爾科夫模型等等。按算法框架分類可分成自下而上[6]、自上而下[7]和二者結合[8]3種。圖1示出靜態(tài)圖像人體分割步驟實例。以圖1(a)為例，先確定人臉位置，再構建模型來尋找人臉以下的軀干和四肢，進而對目標人體實現(xiàn)自動檢測，最后利用圖像分割[9]技術對人體進行分割。其中，人臉檢測主要用于確定人臉的位置和大小。本文的試驗目標圖像多為單人正面直立人體，其中模特具有不同膚色，可直接識別并提取人臉信息。本文選取基于Harr-like特征值的Adaboost算法[10-11]對目標人體進行人臉檢測，確定人臉位置，作為人體分割的切入點，如圖1(b)所示。確定人臉位置后，需要構建人體檢測模型將靜態(tài)圖片中的著裝人體與背景分離。為了提升在復雜背景下檢測目標人體的魯棒性，本文采用基于顏色、邊界多特征融合的最大后驗概率模型[12]對目標人體進行批量識別，該模型是貝葉斯模型的一種特定形式。此外，通過整理發(fā)現(xiàn)，很多靜態(tài)圖像中著裝人體會有裸露的肌膚，且裸露肌膚的面積對服裝的整體廓形會產生較為直觀的影響。為了能準確地將完整人體從背景中分割出來，同時也為了測量服裝廓形的相關尺寸，還需對皮膚進行檢測，使計算機學習區(qū)分膚色和服裝，從而更好地提取服裝廓形。本文利用K-Means聚類計算結合色彩直方圖模型對皮膚進行檢測[13]，如圖1(c)所示。最終對已經檢測到的人體提取前景和背景種子點[14]，利用圖割技術對檢測到的著裝人體從背景中分割出來，如圖1(d)所示。具體流程如圖2所示。

圖1 靜態(tài)圖像人體分割主要步驟實例Fig.1 Main steps of human body segmentation in static figure. (a) Original image; (b) Face detection; (c) Skin detection; (d) Segmentation result

圖2 靜態(tài)圖像人體分割流程圖Fig.2 Flowchart of main steps of human body segmentation in static figures

2 智能女裝廓形尺寸數據庫的構建

2.1 原始圖像數據庫的構建

根據試驗要求搜集女裝品牌原始圖片，本文的原始圖片主要來自各大女裝品牌的秀場圖片。同時對選取的圖片進行初步篩選和處理，確保其精度和尺寸的統(tǒng)一。由于秀場圖片的特殊性，即目標人體均處于圖片中心位置，且考慮秀場圖片均由專業(yè)人員拍攝，故本文不考慮照片畸變等問題。所有原始圖片按照品牌、年份、季度等基本信息進行分類歸檔，構建出原始圖像數據庫。原始圖像數據庫是所有后續(xù)試驗的基礎，數據均以統(tǒng)一命名標準的二維彩色圖像形式構成。

2.2 著裝人體圖像數據庫的構建

人體檢測和分割首先需要對圖像樣本進行訓練，針對人體參數的訓練包括先驗知識參數以及各個似然函數之間的平衡參數，故本文將100幅圖像用作參數訓練。在計算機自動將目標人體分割后，增加抽樣校對環(huán)節(jié)，以確保后續(xù)試驗中數據的準確性。最終將所有去除背景的目標模特圖像數據統(tǒng)一存放在著裝人體圖像數據庫中，便于后續(xù)研究調用。

2.3 女裝廓形基礎尺寸數據庫的構建

在著裝人體圖像數據庫完成后可構建女裝廓形尺寸數據庫，女裝廓形數據庫是針對著裝人體圖像數據庫進一步轉化為數據或符號信息后建立的，主要以文檔形式存在。其主要構建流程包括：1)確定基礎女性人體比例，用于尋找各個主要測量部位的位置；2)將人體部位對應到提取出的服裝上，定位服裝廓形上相應的測量點并進行測量；3)測量結果抽樣校對；4)測量數據分類入庫。這部分內容通過MatLab平臺實現(xiàn)。

2.3.1女性人體比例確定

服裝廓形需要以人體的基本形體為基礎，因此，服裝廓形必然會受到人體幾個基本支撐關鍵點的影響，主要部位包括肩、腰、臀和擺[15]。為了對服裝廓形進行研究，需要先確定著裝人體的體型尺寸數據，而人體體型包括了垂直和水平2個測量維度。垂直方向上需要確定的是影響廓形的人體主要部位的具體位置，為此需要找到各部位占人體身高中的比例；在水平方向上需要確定的是影響廓形的人體主要部位的相對寬度。影響廓形的人體主要部位的具體位置包括：身高、肩線、胸線、腰線、臀線和膝線[16]。

若以頭長為基準進行比例分割，標準女性人體的身高應該是7.5個頭長[17]，但用頭長無法定位到人體主要部位的準確位置，且此次試驗針對歐美女性模特，其身高比例不同于標準人體，不能用一般標準對其進行比例分割，目前也沒有針對歐美女性模特身體比例的普遍標準。本文將提取典型歐美女性模特的身體比例及尺寸，并將其作為對照標準。試驗選取10位僅著內衣的歐美女性模特(模特來自Victoria′s Secret秀場模特)，分別測量其身高h、肩腰之間、胸腰之間、腰臀之間、臀膝之間的距離以及肩線位置、胸線位置、腰線位置、臀線位置、膝線位置的水平寬度。在垂直方向上，測量各個水平測量點之間的距離，并取其截尾平均值，最終得到1組數據：肩腰距離hsw0、胸腰距離hbw0、腰臀距離hwh0、臀膝距離hhk0。在水平方向上，最終所有測量值取其截尾平均值，得到1組平均值：肩寬Ws0、胸寬Wb0、腰寬Ww0、臀寬Wh0、膝蓋寬Wk0。

為了能精準定位不同身高模特的水平測量點位置，還需將測量后的數值以身高為標準計算百分比并取其平均值，也就是各主要部位相對于身高的所占比例，以此便可確定各個部位在不同模特身上的相對位置。比如，肩腰距離hsw為

式中：hsw為試驗模特的肩腰距離；h為試驗模特的身高；hsw0為標準歐美模特的平均肩腰距離；h0為標準歐美模特的平均身高。

2.3.2女裝輪廓定位及測量

從背景中分割出來的模特圖像均為著裝人體，而本文的主要研究對象為服裝廓形，因此，還需進一步基于著裝人體提取服裝輪廓，最終實現(xiàn)對服裝廓形精準尺寸數值的提取。具體操作分為3個步驟。

1)模特身高測量。因為試驗圖像中的目標圖像大小并不完全一致，所以需要進行身高h測量，作為后期運算的基準。

2)測量部位確定。根據計算得到的歐美女模特人體比例和實際模特身高，找到目標圖像對應部位的水平位置，如圖3所示。

圖3 模特圖像人體對應部位的服裝廓形測量Fig.3 Corresponding measure points between human body and clothing silhouette. (a) Main measurement points in female body; (b) Corresponding measurement points in women′s clothing silhouette

3)相關數據測量。將分割后的模特圖像進行二值化處理，并縱向劃分為180等分進行逐行掃描，利用Hough變換法確定測量水平直線端點坐標，檢測其長度尺寸(以像素為單位)。當掃描至測量部位時，記錄該測量部位的水平寬度：肩寬Ws、腰寬Ww、臀寬Wh、膝蓋寬Wk。同時，在記錄數值之前需判斷是否存在膚色區(qū)域：若不存在，則直接給出測量部位的服裝寬度；若存在，則越過膚色區(qū)域繼續(xù)往內搜索服裝外輪廓，最終測量非膚色區(qū)域，即服裝區(qū)域的對應部位寬度。

2.3.3特定情況下的服裝廓形采集

由于服裝設計的多樣性以及服裝展示的動態(tài)性，在對試驗圖像進行采集整理時發(fā)現(xiàn)，雖然許多服裝廓形可通過上述試驗方法獲得，但是仍有部分款式較難被準確提取。此外，服裝主要通過模特在秀場上動態(tài)展示，因此，對服裝廓形的判斷是基于服裝穿著狀態(tài)下的。雖然人體本身的立體廓形可以更直觀、更準確地展示出服裝設計師想要達到的廓形效果，但由于秀場圖中模特處于走動狀態(tài)，其肢體位置的變動會影響對服裝廓形的判斷。本文的試驗目標是降低這些因素對服裝廓形尺寸數據的影響。為此，需要指導計算機針對一些特殊情況進行更為智能的處理。

1)模特秀場圖造型變換。圖4示出服裝廓形測量過程常見情況舉例。如圖所示，模特在走秀過程中姿勢多變，若只測量外側廓形將導致較大的廓形尺寸誤差，因此，需要在測量前先制定智能化準則，提取上半身廓形尺寸，判斷內容包括：①該水平測量部位內部是否存在空隙？②若存在，判斷袖部造型寬松程度是否對服裝整體廓形產生影響？③若存在，其空隙位置是單側還是兩側？

若未滿足條件①，則直接測量相應水平線上寬度，并入庫；若滿足條件①、②，不管空隙是單側還是兩側，都需要在相應水平線寬度上對數據進行優(yōu)化，即在測量到的外輪廓寬度上去除內部空隙的寬度，并入庫，如圖4(a)所示；若滿足條件①，但不滿足條件②時，則需再考慮條件③的滿足情況，若空隙為2處，則不考慮袖部造型，直接測量空隙內部寬度數值并入庫，如圖4(b)所示；若空隙僅為1處，則情況較為復雜，需要在外輪廓測量的基礎上減去空隙寬度以及2倍的手臂寬度，即不考慮袖部造型，如圖4(c)所示。該規(guī)則同樣適用于下半身不同造型條件下的廓形尺寸提取，如圖4(d)所示。

2)多件式分離服裝造型。如圖4(e)所示，服裝分為上裝和下裝，相互分離，且多數發(fā)生在腰部；但由于算法中已設定只測量服裝部分，因此，對裸露的肌膚無法進行測量。為體現(xiàn)服裝在立體著裝造型下給人的整體廓形，無法識別到的腰部水平寬度數據用標準體型的對應數據進行計算。

3)抹胸造型。如圖4(f)所示，本文設定當肩部水平處無法識別到服裝寬度，即檢測到膚色時，計算機自動記錄胸部水平寬度數據，進入相應的數據分析流程。

4)短款造型。在廓形判斷中，下裝長度是非常重要的影響因素，而在判斷下裝長度時，是否過膝又是一個重要指標，因此，本文通過對膝蓋水平處的檢測識別來大概判斷下裝長度。如圖4(g)所示：本文設定當膝蓋水平處無法識別到服裝寬度時，則計算機自動調用大腿中點水平寬度數據判斷廓形；若大腿中點水平寬度也無法識別到，則自動調用臀部水平寬度數據，并進入相應的數據分析流程。

5)存在突變點的廓形判斷。由于服裝袖子、下擺等部件的影響，連續(xù)相鄰的測量位置會發(fā)生數值上的突變，本文將該突變位置定義為服裝廓形的“突變點(drastic change point，dc點)”，即采集的部位寬度之間無法用直線簡單地將2點相連，而是幾何體的拼接。圖5示出服裝廓形各個部位之間發(fā)生突變情況。圖5(a)在胸部和腰部之間存在突變點；圖5(b)在腰部和臀部之間存在突變點；圖5(c)在臀部和膝蓋之間存在非連續(xù)點。本文研究通過對實際服裝的分析發(fā)現(xiàn)，存在突變點的情況并不少見，而且是否存在突變點對服裝廓形的準確判斷存在影響。

圖5 服裝廓形各個部位之間發(fā)生突變情況舉例Fig.5 Drastic change point occurs in different parts of clothing silhouette. (a) Example 1; (b) Example 2; (c) Example 3; (d) Example 4

為更為準確地識別廓形，必須先判別服裝廓形的連續(xù)性。本文除記錄固定位置的服裝廓形尺寸數據外，還需判斷各個水平線之間的區(qū)域是否存在突變點，即界定相鄰掃描水平線寬度數據的突變，并定義當突變值大于一定數值(本文參考維密模特平均手臂寬度)時，認為該分割造型對服裝整體廓形可能產生影響；否則還是認為整體廓形連續(xù)，如圖5(d)所示，雖然在袖口處有突變點，但是突變并不明顯，還是認為其整體連續(xù)。當突變點發(fā)生在肩腰之間，計算機則需額外記錄最寬處輪廓的水平數值Wdc-sw；當突變點發(fā)生在腰臀之間，計算機則需額外記錄突變處內側輪廓的水平數值Wdc-wh；當突變點發(fā)生在臀膝之間，計算機則需額外記錄突變處內側輪廓的水平數值Wdc-hk；計算機檢測到2個或2個以上非連續(xù)部位的情況相對較為罕見，在本文中不予考慮，處理時給出提醒以供人工調整。

表1 女裝廓形尺寸數據舉例Tab.1 Examples of women′s clothing silhouette dimensions

注：2個關鍵點判斷及前5項測量數據共有6種情況組合；后3項數據視實際情況而定。

2.3.4測量結果抽檢校對

此環(huán)節(jié)主要校對模特在展示服裝時的特殊造型所導致的誤差，例如：分割后的模特手上持有道具而造成的不對稱情況(如圖6(a)所示)；無法檢測到皮膚(如圖6(b)所示)；模特姿勢不是完全正面(如圖6(c)所示)；模特頭部造型比較夸張(如圖6(d)所示)等。針對這些少數特殊情況需要手動設置測量點，指導計算機進行數據測量與入庫。

圖6 需要人工校對矯正的特殊情況舉例Fig.6 Special cases necessary for manual adjustment. (a) Example 1; (b) Example 2; (c) Example 3; (d) Example 4

3 智能女裝廓形尺寸數據庫案例分析

3.1 智能女裝廓形尺寸數據庫數據結構

構建智能女裝廓形尺寸數據庫依賴于原始圖像數據庫和著裝人體圖像數據庫，如圖7所示。本文給出一種智能女裝廓形尺寸數據庫的實現(xiàn)方法。

圖7 各個數據庫數據結構Fig.7 Structures of three databases

針對每個來自于著裝人體圖像數據庫的數據，本文方法可以優(yōu)先判斷2個關鍵點：是否為抹胸造型(是：記錄100；否：記錄0)、下擺是否過膝(是：記錄0；過大腿中點：記錄100；齊臀：記錄200)；同時記錄8個測量點：身高h、肩寬Ws或者胸寬Wb、腰寬Ww、臀寬Wh、膝寬Wk或者大腿中點寬Wt、肩腰處突變值Wdc-sw、腰臀處突變值Wdc-wh、臀膝處突變值Wdc-hk。其中，前5個測量點共有6種組合情況(見表1)，后3個測量點則需根據判定規(guī)則進行判斷，若有突變點，則記錄相應數值，沒有則缺省。

3.2 智能女裝廓形尺寸數據庫案例

本文以5張女裝秀場靜態(tài)圖片為例，先將目標人體從背景中分割出來建立著裝人體圖像數據庫，然后再進行廓形尺寸測量，圖8示出基于模型的人體分割案例。本文對已有的測量方法進行了優(yōu)化改良，克服了人體肌膚、圖像背景、廓形不連續(xù)等因素對服裝廓形測量的影響。圖8中的5張圖片最終轉化為5組計算機數值入庫，如表2所示。表中數值為計算機測量后獲得的相應位置的水平寬度(以像素為單位)。其中，舉例用的5件服裝中沒有出現(xiàn)在腰臀處和臀膝處有突變點的情況，故Wdc-wh、Wdc-hk2列為空。

圖8 基于模型的人體分割舉例Fig.8 Human body segmentation based on MAP model. (a) Example 1; (b) Example 2; (c) Example 3; (d) Example 4; (e) Example 5

表2 案例圖片入庫信息Tab.2 Clothing silhouette dimensions for sample models

4 結束語

利用人體分割技術提取秀場女裝圖像中的目標人體，在此基礎上確定人體影響服裝廓形的關鍵部位，可準確地在服裝廓形上找到對應的測量點進行數據提取，并針對可能出現(xiàn)的特殊情況予以處理，確保測量數據的有效性。提取完成的女裝廓形尺寸數據庫其意義在于2方面：一方面將服裝廓形進行量化表述，服裝廓形一旦量化后可進行一系列的數值計算，如服裝廓形判斷、服裝廓形趨勢等，因此，服裝廓形基礎尺寸數據庫的構建是所有服裝廓形研究的基礎；另一方面，提出了將服裝廓形量化表述的具體方法和流程，適用于大部分女裝廓形的尺寸提取，可推廣到國內外各個女裝品牌的廓形研究中，不斷擴大的數據庫還可結合大數據計算，深入對女裝廓形基礎尺寸數據進行挖掘，發(fā)現(xiàn)數據中所承載的有效信息。

在信息時代的今天，基礎數據的研究至關重要。本文旨在提出了一種基礎的數據庫構建方法和流程，在此基礎上后續(xù)有眾多研究方向，例如：可在本文構建的廓形尺寸數據庫基礎上對女裝廓形進行智能識別，并對廓形趨勢進行預測；可在女裝廓形尺寸數據庫構建方法的基礎上對男裝廓形進行研究；可擴大數據量對數據庫進行數據挖掘，深入研究女裝廓形等。

[1] 李春曉,蔡凌霄. 時尚設計·服裝[M]. 南寧：廣西美術出版社,2006: 8-15.

LI Chunxiao, CAI Lingxiao. Fashion Design·Apparel[M]. Nanning: Guangxi Fine Arts Publishing House, 2006: 8-15.

[2] 陶晨, 段亞峰, 印梅芬. 服裝廓形的識別與量化[J]. 紡織學報, 2015, 36(5):79-82.

TAO Chen, DUANG Yafeng, YIN Meifen. Identification and quantification of apparel silhou-ette[J]. Journal of Textile Research, 2015, 36(5): 79-82.

[3] HU Z, YAN H, LIN X. Clothing segmentation using foreground and background estimation based on the constrained delaunay triangulation[J]. Pattern Recognition, 2008, 41(5): 1581-1592.

[4] 魏芬, 劉建平, 徐松松,等. 基于多特征值的服裝檢測與識別算法[J]. 實驗室研究與探索, 2016, 35(5): 118-122.

WEI Fen, LIU Jianping, XU Songsong, et al. Research on clothing detection and recognition algorithm based on characteristic values[J]. Research and Exploration in Laboratory, 2016, 35(5): 118-122.

[5] 安立新. 服裝款式圖提取及其模式識別的研究[D]. 上海：東華大學, 2015: 21-40.

AN Lixin. Study on extraction and pattern recognition of fashion flat sketches[D].Shanghai: Donghua University,2015: 21-40.

[6] MORI G, REN X, EFROS A A, et al. Recovering human body configurations: combining segmentation and recognition[C]//IEEE Computer Society Conference on Computer Vision and Pattern Recognition. [S.l.]:IEEE, 2004:326-333.

[7] FELZENSZWALB P F, HUTTENLOCHER D P. Pictorial structures for object recognition[J]. International Journal of Computer Vision, 2005, 61: 55-79.

[8] HU Z, WANG G,LIN X, et al. Recovery of upper body poses in static images based on joints detection[J]. Pattern Recognition Letters, 2009, 30(5): 503-512.

[9] BOYKOV Y Y. Interactive graph cuts for optimal boundary & region segmentation of objects in n-d images[C]//JOLLY M P. 8th IEEE International Conference on Computer Vision. Los Alamitos: IEEE Computer Soc, 2001:105-112.

[10] VIOLA P. Rapid object detection using a boosted cascade of simple features[C]//JONES M. 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Los Alamitos: IEEE Computer Soc, 2001: 511- 518.

[11] VIOLA P, JONES M. Robust real-time face detec-tion[J]. International Journal of Computer Vision, 2004, 57(2):137-154.

[12] LEE M W. Proposal maps driven MCMC for estimating human body pose in static images[C]//COHEN I. Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Los Alamitos: IEEE Computer Soc, 2004: 334-341.

[13] LEE M W. Human upper body pose estimation in static images[C]//COHEN I. 8th European Conference on Computer Vision. Berlin: Springer-Verlag, 2004:126-138.

[14] 李石峰. 靜態(tài)圖像人體分割算法的研究[D]. 大連：大連理工大學, 2012: 39-60.

LI Shifeng. Research on human body segmentation in static images[D]. Dalian: Dalian University of Technology, 2012:39-60.

[15] 劉曉剛，崔玉梅.基礎服裝設計[M]. 上海：東華大學出版社, 2008: 134-140.

LIU Xiaogang, CUI Yumei. Basic Apparel Design[M].Shanghai: Donghua University Press, 2008: 134-140.

[16] 張文斌.服裝結構設計[M]. 北京：中國紡織出版社，2006: 30-33.

ZHANG Wenbin. Pattern Making for Fashion Design[M].Beijing: China Textile & Apparel Press, 2006: 30-33.

[17] 李振才.人體造型解剖[M]. 濟南：山東美術出版社，2001:5-10

LI Zhencai. Human Anatomy[M].Ji′nan: Shangdong Fine Arts Publishing House, 2001: 5-10