一种基于贝叶斯判别理论的服装合体性评估方法
【专利摘要】本发明涉及一种基于贝叶斯判别理论的服装合体性评估方法，包括以下步骤：收集预测模型输出训练数据以将数据库中的服装分为两类，一类为合体的服装，另一类为不合体的服装；收集预测模型输入训练数据以测量虚拟服装压力；依据基于贝叶斯判别理论构建服装合体性预测模型，模型的输入项是服装压力，模型的输出项是服装是否合体；根据收集的预测模型输出训练数据和预测模型输入训练数据对所构建的服装合体性预测模型进行训练；通过训练好的服装合体性预测模型对服装的合体性进行评估。本发明在不进行真实试穿的情况下能够准确评估服装的合体性。
【专利说明】
-种基于贝叶斯判别理论的服装合体性评估方法
技术领域
[0001] 本发明设及服装合体性评估技术领域，特别是设及一种基于贝叶斯判别理论的服 装合体性评估方法。
【背景技术】
[0002] 随着电子商务的快速发展，越来越多的人选择网上购买服装。然而，网上购买服装 最大的缺点是不能试穿，运就导致了很高的退货和换货率。为了解决运个问题，相应的3D虚 拟试衣软件如，Clo 3D、Lec1:ra 3D P;rototype、OptiTex、V-Stitcher 3D等相继开发出来， 通过虚拟试穿来评估服装的合体性。然而运个评估的过程只是用眼观察虚拟试穿的效果， 进而来判断虚拟服装的款式是否满意W及服装的尺寸是否合体。通过观察虚拟试衣的效果 可W很快判断款式是否满意，但对服装尺寸是否合体则很难准确的判断。
[0003] 目前，虚拟试穿合体性评价主要是依据虚拟服装压力分布图或虚拟应力分布图或 放松量来评估，但运些评估方法仍然是W评估者用眼观察的方式来判断。此方法受观察者 本人的个人专业素质的影响很大，缺乏科学性，也很难有说服力，最终的结果也并不准确。
【发明内容】
[0004] 本发明所要解决的技术问题是提供一种基于贝叶斯判别理论的服装合体性评估 方法，能够准确评估服装的合体性。
[0005] 本发明解决其技术问题所采用的技术方案是:提供一种基于贝叶斯判别理论的服 装合体性评估方法，包括W下步骤：
[0006] (1)收集预测模型输出训练数据W将数据库中的服装分为两类，一类为合体的服 装，另一类为不合体的服装；
[0007] (2)收集预测模型输入训练数据W测量虚拟服装压力；
[000引（3)依据基于贝叶斯判别理论构建服装合体性预测模型；
[0009] (4)根据收集的预测模型输出训练数据和预测模型输入训练数据对所构建的服装 合体性预测模型进行训练；
[0010] (5)通过训练好的服装合体性预测模型对服装的合体性进行评估。
[0011] 所述步骤(1)具体为:试穿者试穿数据库中所有的服装，并将数据库分为两个小数 据库，分别为合体的服装数据库和不合体的服装数据库，并给数据库中的服装标上"r和 "0" W区分合体的服装和不合体的服装。
[0012] 所述步骤(2)具体为:在服装数据库中每一件服装的样板上安排多个压力测量点， 调整虚拟试穿所用人体模型的尺寸使得人体模型的尺寸与试穿者相同，依次将数据库中的 服装样板穿在人体模型上，根据压力测量点的位置测量虚拟服装压力值，得到服装的压力 数据。
[0013] 所述步骤(3)包括W下子步骤：
[0014] (31)检验虚拟服装压力数据的正态性；
[0015] (32)检验合体的服装虚拟服装压力数据所在合体数据库的协方差和不合体的服 装虚拟服装压力数据所在不合体数据库的协方差的相等性；
[0016] (33)构建服装合体性预测模型：
[0017] 如果合体服装的虚拟服装压力数据所在的合体服装数据库和不合体服装的虚拟服装 压力数据所在的不合体服装数据库都属于正态分布，设合体服装数据库和不合体服装数据库 的协方差矩阵分别为S缔巧日体，且X缔Ii= 5:?!?体;则基于两个正态总体误判损失相等的贝叶
斯判風 ， 其中，I ， 〇口〇微1|?为待判样本的虚拟服装压力数据;：^^1^^是合体服装数据库中虚拟服装压力数据 的均值;^^#^$是不合体服装数据库中虚拟服装压力数据的均值；5：与合体服装数据库 的协方差矩阵X靴和不合体服装数据库的协方差矩阵5：相等;P靴为合体服装数据库出 现的先验概率;PT^为不合体服装数据库出现的先验概率；
[001引如果合体服装的虚拟服装压力数据所在的合体服装数据库和不合体服装的虚拟服装 压力数据所在的不合体服装数据库都属于正态分布，设合体服装数据库和不合体服装数据库 的协方差矩阵分别为日Xt靴，且X端声则基于两个正态总体误判损失相等的贝叶 斯朔 其中 CPD微1?为待判样本的虚拟服装压力数据;是合体服装数据库中虚拟服装压力数据 的均值;^^^$是不合体服装数据库中虚拟服装压力数据的均值；S靴为合体服装数据 库的协方差矩阵；为不合体服装数据库的协方差矩阵;P靴为合体服装数据库出现的 先验概率;P为不合体服装数据库出现的先验概率。
[0019] 有益效果
[0020] 由于采用了上述的技术方案，本发明与现有技术相比，具有W下的优点和积极效 果：
[0021] 本发明不需要真实的试穿，只通过虚拟试穿，然后测量虚拟服装压力，把测量获得 的虚拟服装压力数据输入到所建立的预测模型中，就可W评估服装是否合体。与目前评估 虚拟试穿合体性的本质区别在于，本发明所提出的模型是基于机器学习的算法（贝叶斯分 类器)从经验数据中进行有监督学习，用机器学习所得到的规则预测服装的合体性。整个过 程由机器自动做出预测，完全不同于目前只是用眼看的方式来评估虚拟试穿的合体性。本 发明可W很好的适用于网上购买服装的合体性评估，评估的结果可W提供给服装购买者作 为是否购买的参考。
[0022] 本发明随着训练样本即真实试穿数据和虚拟服装压力数据收集量的不断增多，该 模型可W不断的从运些经验数据中学习，使得模型的预测准确度不断的提升，也就是说训 练样本数越多，本发明预测服装合体性的准确度越高。
【附图说明】
[0023] 图1是收集预测模型的输出训练样本数据流程图；
[0024] 图2是收集预测模型的输入训练样本数据流程图；
[0025] 图3是虚拟服装压力测量方法示意图；
[0026] 图4是服装合体性预测模型图；
[0027] 图5是服装合体性预测模型在网上购物中的应用示意图。
【具体实施方式】
[0028] 下面结合具体实施例，进一步阐述本发明。应理解，运些实施例仅用于说明本发明 而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人 员可W对本发明作各种改动或修改，运些等价形式同样落于本申请所附权利要求书所限定 的范围。
[0029] 本发明的实施方式设及一种基于贝叶斯判别理论的服装合体性评估方法，包括W 下步骤:收集预测模型输出训练数据W将数据库中的服装分为两类，一类为合体的服装，另 一类为不合体的服装;收集预测模型输入训练数据W测量虚拟服装压力；依据基于贝叶斯 判别理论构建服装合体性预测模型，模型的输入项是服装压力，模型的输出项是服装是否 合体;根据收集的预测模型输出训练数据和预测模型输入训练数据对所构建的服装合体性 预测模型进行训练;通过训练好的服装合体性预测模型对服装的合体性进行评估。
[0030] 下面W裤子为例进一步说明本发明。
[0031] (一)模型输出训练数据的收集
[0032] 该步骤的主要目的是通过真实试穿把数据库中的裤子分成两类:合体的裤子和不 合体的裤子，其流程图如图1所示：
[0033] 1)现有一个裤子数据库G里面包含m+n条裤子，分别是gl，g2，g3，…，gm+n。
[0034] 2)-个体型为160/84A的试穿者分别试穿数据库中的所有裤子，通过试穿把数据 库中的裤子分成两个小数据库:合体性裤子的数据库G靴=(gi，g2，…，gm)和不合体裤子的 数据库林飾=(gm+l，gm+2，? ? ?，gm+n)。
[00对 3)合体的裤子标记"r，不合体的裤标记为"0"，运个由"r和"0"组成的数据作为 服装合体性预测模型的输出数据结合接下来要收集的输入数据共同对该模型进行训练(即 监督学习）。
[0036] (二)模型输入训练数据的收集
[0037] 该步骤的主要目的是通过虚拟试穿，测量虚拟服装压力，其流程图如图2所示：
[0038] 1)在裤子数据库G中的每一条裤子的样板上分别安排k个压力测量点，运k个测量 点主要分布在人的腰部，臀部，档部和大腿运四个部位，因为运四个部位对裤装的合体性和 舒适性影响最大，对于任何一条测量的裤子，运k个测量点的位置都是固定不变的如图3(a) 所示。
[0039] 2)调整虚拟试穿所用人体模型的尺寸，使之与真实试穿者（160/84A)的尺寸完全 相同。
[0040] 3)把裤子gi的样板通过虚拟试穿的方式穿到调整后的3D人体模型上，如图3(b)所 示;然后依据测量点的位置测量虚拟服装压力值(CP/，. . .，CPi^ . . .，CPik)，如图3(c)所示； 接着依次把裤子g2，g3，…，gm的样板分别穿到同一个3D人体模型上，依据先前定义的k个测 量点测量服装压力。最后得到服装压力数^
'该数据作为服装合 体性预测模型的输入数据结合上一步收集到的输出数据共同对该模型进行训练（即监督学 习）。
[0041] (S)服装合体性预测模型的构建
[0042] 服装合体性预测模型的构建主要分为=个步骤:数据正态性检验、协方差矩阵相 等性检验W及模型的构建。
[0043] 1)虚拟服装压力数据era正态性检验
[0044] ①由服装压力矩阵数据CTO计算均值向量召想和协方差矩阵X。
[0045] ②计算顺序统计量CPDw到均值向量石兵5的马式平方距离M班據。
[0046]
[0047]
[004引
[0049] '
[0化日]⑤W马式距离为横坐标，义f分位数为纵坐标作m+n个点义巧的平面散点图， 即分布的QQ图。
[0051] ⑥考察散点图是否在一条通过原点且斜率为1的直线上，若是，则接受数据WD来 自k元正态总体的假设，否则拒绝正态分布假设。
[0052] 2)合体的裤子虚拟服装压力数据CPD靴所在的总体G靴和不合体的裤子虚拟服装 压力数据CP时飾所在的总体向^1$的协方差矩阵相等性检验。
[0053] ①原假设化：Si = S;备选假设化：Si声S，（i =合体，不合体），统计检验量9對$和
[0054] (m-1) [In I S I -In I -ht;r(S-i^f$)];
[0055] 如絲尸(n-1) [ In I S I -In I I -htr (S_iS特?!$)]。
[0056] 其中；
[0化7]
[005引 是合体的裤子虚拟服装压力数据CPI^体的协方差矩阵；
[0059] S不飾是不合体的裤子虚拟服装压力数据CP时飾的协方差矩阵；
[0060] m是合体的裤子虚拟服装压力数据CPI^体中的样本数量；
[0061 ] n是不合体的裤子虚拟服装压力数据CP时飾中的样本数量；
[0062] k是每条裤子压力测量点的数量。
[0063] ②对于给定的显著水平曰，若貧 < 义[吨: + 1)/2],(/=合体，不合体)，则接受化;否 则拒绝化。
[0064] 3)服装合体性评价模型构建
[0065] ①如果合体裤子的虚拟服装压力数据CPD靴所在的总体G靴和不合体裤子的虚拟 服装压力数据CPDt^所在的总体向属于正态分布。设总体G靴和向的协方差矩阵分 别为X靴和5：不冶体，且X靴=X不靴=X ;则基于两个正态总体误判损失相等的贝叶斯判别 准则为：
[0066]
[0067]
[006引
[0069] CPDf游1?是待判样本的虚拟服装压力数据；
[0070] 巧巧^^#是总体的均值，实际运算中用训练样本虚拟服装压力数据CPD靴的均 值来估计巧石,|,1 ;
[007。 巧石是总体林飾撕均值，实际运算中用训练样本虚拟服装压力数据CP时靴的 均值来估计证南合俾；
[0072] X与总体郝总体时飾的协方差矩阵X靴和X不^目等，实际运算中用训练样本 虚拟服装压力数据CPD靴和CPDt^的混合样本CTO的协方差矩阵来估计S ;
[0073] 1?体是总体G合体出现的先验概率，实际运算中用m/ (m+n)来估计1?体；
[0074] P特?!$是总体向拙现的先验概率，实际运算中用n/ (m+n)来估计师飾。
[0075] ②如果合体裤子的虚拟服装压力数据CPD靴所在的总体G靴和不合体裤子的虚拟 服装压力数据CP化拾1$所在的总体甸属于正态分布。设总体协方差矩阵分 别为X靴和?体，且X靴声Xk郝;则基于两个正态总体误判损失相等的贝叶斯判别准则 为：
[0076]
[0077]
[007引
[0079] CPDf游1?是待判样本的服装压力数据；
[0080] 巧瓦VI.适总体G靴的均值，实际运算中用训练样本虚拟服装压力数据CPD靴的均 值来估计石瓦,VI.;
[0081] 是总体时靴的均值，实际运算中用训练样本虚拟服装压力数据CP的m的 均值来估计;
[0082] S靴是总体(?体的协方差矩阵，实际运算中用训练样本虚拟服装压力数据CP始泌] 协方差矩阵来估计S靴；
[0083] X不靴是总体G不靴的协方差矩阵，实际运算中用训练样本虚拟服装压力数据 CP的^"1$的协方差矩阵来估计体；
[0084] 離是总体G靴出现的先验概率，实际运算中用m/(m+n)来估计離；
[0085] P特?!$是总体向^"1拙现的先验概率，实际运算中用n/ (m+n)来估计两飾。
[0086] W上所构建的服装合体性预测模型，用于裤子合体性的评估，如图4所示。只要测 量一个待评估裤子的虚拟服装压力CPD微Ij樹：=(Cpi微I胎$：，CP2微1|鉢，...，Cpk微||鉢)，把服装压 力数据输入到模型中，运个模型就可W自动的预测服装的合体性状况。
[0087] 4.模型的应用
[0088] 依据W上构建的模型，如图5所示，
[0089] 1)网上购物客户选定一条裤子后，提供其本人的体型尺寸数据。
[0090] 2)依据提供的体型尺寸数据调整3D人体模型，使3D模型的尺寸与真实人体的完全 相等。
[0091] 3)依据客户的选定裤子到样板数据库中捜索相应的样板，并把样板试穿到3D人体 模型上。
[0092] 4)依据图3(a)中定义的测量点，分别测量虚拟服装的压力。
[0093] 5)把测量到的压力数据输入到训练好的预测模型中，依据模型里的算法输出裤子 是否合体。如果输出结果显示合体，则推荐够买；如果输出结果显示不合体，则推荐重新选 择一条裤子。
[0094] 不难发现，本发明不需要真实的试穿，只通过虚拟试穿，然后测量虚拟服装压力， 把测量获得的虚拟服装压力数据输入到所建立的预测模型中，就可W评估服装是否合体。 与目前评估虚拟试穿合体性的本质区别在于，本发明所提出的模型是基于机器学习的算法 (贝叶斯分类器)从经验数据中进行有监督学习，用机器学习所得到的规则预测服装的合体 性。整个过程由机器自动做出预测，完全不同于目前只是用眼看的方式来评估虚拟试穿的 合体性。本发明可W很好的适用于网上购买服装的合体性评估，评估的结果可W提供给服 装购买者作为是否购买的参考。
【主权项】
1. 一种基于贝叶斯判别理论的服装合体性评估方法，其特征在于，包括以下步骤： (1) 收集预测模型输出训练数据以将数据库中的服装分为两类，一类为合体的服装，另 一类为不合体的服装； (2) 收集预测模型输入训练数据以测量虚拟服装压力； (3) 依据基于贝叶斯判别理论构建服装合体性预测模型； (4) 根据收集的预测模型输出训练数据和预测模型输入训练数据对所构建的服装合体 性预测模型进行训练； (5) 通过训练好的服装合体性预测模型对服装的合体性进行评估。2. 根据权利要求1所述的基于贝叶斯判别理论的服装合体性评估方法，其特征在于，所 述步骤（1)具体为:试穿者试穿数据库中所有的服装，并将数据库分为两个小数据库，分别 为合体的服装数据库和不合体的服装数据库，并给数据库中的服装标上"Γ和"〇"以区分合 体的服装和不合体的服装。3. 根据权利要求2所述的基于贝叶斯判别理论的服装合体性评估方法，其特征在于，所 述步骤(2)具体为:在服装数据库中每一件服装的样板上安排多个压力测量点，调整虚拟试 穿所用人体模型的尺寸使得人体模型的尺寸与试穿者相同，依次将数据库中的服装样板穿 在人体模型上，根据压力测量点的位置测量虚拟服装压力值，得到服装的压力数据。4. 根据权利要求1所述的基于贝叶斯判别理论的服装合体性评估方法，其特征在于，所 述步骤(3)包括以下子步骤： (31) 检验虚拟服装压力数据的正态性； (32) 检验合体的服装虚拟服装压力数据所在合体数据库的协方差和不合体的服装虚 拟服装压力数据所在不合体数据库的协方差的相等性； (33) 构建服装合体性预测模型： 如果合体服装的虚拟服装压力数据所在的合体服装数据库和不合体服装的虚拟服装压 力数据所在的不合体服装数据库都属于正态分布，设合体服装数据库和不合体服装数据库的 协方差矩阵分别为和Σ相体，且5：雄=Σ相体;则基于两个正态总体误判损失相等的贝叶 斯判别准则为：其中CPD彳为待判样本的虚拟服装压力数据；是合体服装数据库中虚拟服装压力数据 的均值;是不合体服装数据库中虚拟服装压力数据的均值；Σ与合体服装数据库 的协方差矩阵和不合体服装数据库的协方差矩阵相等;为合体服装数据库出 现的先验概率;ΡΤΙ为不合体服装数据库出现的先验概率； 如果合体服装的虚拟服装压力数据所在的合体服装数据库和不合体服装的虚拟服装压 力数据所在的不合体服装数据库都属于正态分布，设合体服装数据库和不合体服装数据库的 协方差矩阵分别为和Σ相体，且5：雜辛Σ相体;则基于两个正态总体误判损失相等的贝叶斯 判别准则为：其中CPD彳为待判样本的虚拟服装压力数据;是合体服装数据库中虚拟服装压力数据 的均值;是不合体服装数据库中虚拟服装压力数据的均值；为合体服装数据 库的协方差矩阵；体为不合体服装数据库的协方差矩阵;为合体服装数据库出现的 先验概率; ΡΤ|为不合体服装数据库出现的先验概率。
【文档编号】G06Q10/06GK105956780SQ201610309023
【公开日】2016年9月21日
【申请日】2016年5月11日
【发明人】刘凯旋, 王建萍
【申请人】东华大学