本發明涉及服裝定制領域的人體尺寸量身方法，具體是一種拍照自動計算人體體型的系統方法。

背景技術：

目前，人體體型數據的獲取主要采取人工測量的方式，通過量衣尺得到人體部位的具體數據例如三圍、肩寬、袖長等。但是，這種傳統的測量方式存在多種誤差可能，其中包括量衣尺老舊變形、測量人握尺方式錯誤、測量位置偏差等，因而使得測量所得與實際體型數據之間出現不可避免的誤差。同時，人工測量要求測量人必須能夠直接接觸被測量人，無法實現遠程測量。雖然當前部分服裝定制商家采用顧客自行拍照方式獲取顧客三圍，但實則必須通過有量身經驗的專業人士人工讀圖方能判斷人體體型數據的位置所在，從而手動計算出體型數據，而整個過程中往往會因為拍照角度問題、光線問題等產生誤差。

除此之外，隨著3D技術的不斷發展，人體3D掃描儀也已完成開發，其深度感配置可由六個不同角度和七個不同高度圍繞身體周圍運行，全自動測量超過420個尺寸，但該設備造價高且體積大，被測量人必須手握或站立在掃描儀范圍中方可獲取數據，依舊無法實現遠程測量，同時其高昂的售價也使得該設備難以融入普通百姓的日常生活之中，只適合少數要求客戶在指定地點量身且又能夠承受高成本的服裝定制企業使用。

專利CN201610026297.8通過照片為服裝定制實現人體尺寸的量身方法，其無法保證照片是否拍正，從而造成計算誤差，且該專利無法解決如何判斷人體體型數據的位置所在這一難題，依舊需要依靠人工讀圖實現人體測量，同時該專利未給出經驗值的具體計算過程及結果，眾多不利因素同時威脅其計算所得，估算值與實際測量所得之間的誤差值難以保證在合理范圍之內，迫切需要加以改進。

技術實現要素：

針對上述現有技術存在的問題，本發明的目的是提供一種新型的拍照自動計算人體體型的系統方法，該方法利用拍照技術，精確的計算了人體的體型數據，很好的解決了實地現場量身所帶來的不足與浪費。降低了生產成本，為客戶節約時間，并且能夠提高量身的精確度，讓生產出來的服裝更加符合客戶的要求，進一步推動網上量身定制服裝的進程。

為了實現上述目的，本拍照自動計算人體體型的系統方法：利用重力感應技術，正面拍攝人體正面全身照及側面全身照，將其身高數據上傳至系統中，利用圖像識別技術，識別人體輪廓，利用預設線段計算出人體的胸圍、腰圍、臀圍等數據，包括以下步驟：

S1：用重力感應技術確保拍照設備與地面垂直，被測用戶穿著貼身衣物，雙手與上身呈30°，雙腳10°-20°分開，選擇與被測用戶存在色差的單色背景，移動拍攝設備使被測用戶在拍攝設備所提示的預設框內；

S2：拍攝清晰的正面人體照片和側面人體照片，利用圖像識別技術識別并摳出正面、側面人體輪廓；

S3：上傳被測用戶的身高X；

S4：在正面人體照片中預設單像素線段A1、B1、C1，在側面人體照片中預設單像素線段A2、B2、C3，并在正面人體輪廓頭頂至腳底設置單像素身高線，系統自動計算各條預設線段所占像素點的數量；

S5：根據被測量用戶的身高X及其身高線所占像素點的數量N，計算出單個像素點的邊長L＝X÷N；

S6：在正面人體照片中，根據各條預設線段所占平均像素點的數量n1及像素點的邊長L，計算出線段長度A1/B1/C1＝L×n1；在側面人體照片中，根據各條預設線段所占像素點的平均數量n2及像素點的邊長L，計算出線段長度A2/B2/C2＝L×n2；

S7：將每組A1和A2線段設為長方形的長和寬，并計算該長方形內切橢圓的周長CA＝1.57×(A1+A2)，選取最大值，如被測用戶為女性，則其胸圍為B＝1.072×CA＝1.683×(A1+A2)，如被測用戶為男性，則其胸圍為B＝1.029×CA＝1.616×(A1+A2)，1.029為胸圍經驗值。

S8：將每組B1和B2線段設為長方形的長和寬，并計算該長方形內切橢圓的周長CB＝1.57×(B1+B2)，選取最大值，則被測用戶的臀圍為H＝1.053×CB＝1.653×(B1+B2)，1.053為臀圍經驗值。

S9:將每組C1和C2線段設為長方形的長和寬，并計算該長方形內切橢圓的周長CC＝1.57×(C1+C2)，從上至下觀察CC數值的變化情況，如呈現先增大后減小的趨勢，表明被測量人腰部成外凸型則選取最大值；如CC呈現先減小后增加的趨勢，表明被測量人腰部成內凹型則選取最小值，則被測用戶的腰圍為W＝1.012×CC＝1.589×(C1+C2)，1.012為腰圍經驗值。

進一步，可根據胸圍、臀圍、腰圍算法，在手臂，手腕，腿部，預設單像素線段，計算袖長、袖口圍、腿圍、體型數據。

進一步，所述預設框，需移動拍攝設備使被測用戶在預設框內占滿80％～99％。

進一步，所述胸部經驗值，臀部經驗值，腰部經驗值是基于現有樣本量所得出的暫定值，選取樣本女性，并利用SPSS對樣本的實際胸圍、腰圍、臀圍及其通過拍照所得的胸圍、腰圍及臀圍位置的橢圓周長進行均值和標準差處理，通過聚類分析、相關分析、單因素方差分析和線性回歸分析所得出的經驗值。

與現有技術相比，本發明的有益效果如下：

本發明利用拍照技術，精確的計算了人體的體型數據，很好的解決了實地現場量身所帶來的不足與浪費。降低了生產成本，為客戶節約時間，并且能夠提高量身的精確度，讓生產出來的服裝更加符合客戶的要求，進一步推動網上量身定制服裝的進程。

附圖說明

圖1是本發明拍攝正面人體照片時設備所提示的預設框的示意圖；

圖2是本發明正面人體照片預設線段示意圖；

圖3是本發明側面人體照片預設線段示意圖；

圖4是本發明女性人體胸圍計算示意圖；

圖5是本發明男性人體胸圍計算示意圖；

圖6是本發明人體臀圍計算示意圖；

圖7是本發明人體腰圍計算示意圖。

具體實施方式

下面結合附圖對本發明做進一步說明。

如圖1所示，本拍照自動計算人體體型的系統方法，在于：利用重力感應技術，正面拍攝人體正面全身照及側面全身照，將其身高數據上傳至系統中，利用圖像識別技術，識別人體輪廓，利用預設線段計算出人體的胸圍、腰圍、臀圍等數據，包括以下步驟：

S1：用重力感應技術確保拍照設備與地面垂直，被測用戶穿著貼身衣物，雙手與上身呈30°，雙腳10°-20°分開，選擇與被測用戶存在色差的單色背景，移動拍攝設備使被測用戶在拍攝設備所提示的預設框內；

S2：拍攝清晰的正面人體照片和側面人體照片，利用圖像識別技術識別并摳出正面、側面人體輪廓；

S3：上傳被測用戶的身高X；

S4：在正面人體照片中預設單像素線段A1、B1、C1，在側面人體照片中預設單像素線段A2、B2、C3，并在正面人體輪廓頭頂至腳底設置單像素身高線，系統自動計算各條預設線段所占像素點的數量；

S5：根據被測量用戶的身高X及其身高線所占像素點的數量N，計算出單個像素點的邊長L＝X÷N；

S6：在正面人體照片中，根據各條預設線段所占平均像素點的數量n1及像素點的邊長L，計算出線段長度A1/B1/C1＝L×n1；在側面人體照片中，根據各條預設線段所占像素點的平均數量n2及像素點的邊長L，計算出線段長度A2/B2/C2＝L×n2；

S7：將每組A1和A2線段設為長方形的長和寬，并計算該長方形內切橢圓的周長CA＝1.57×(A1+A2)，選取最大值。根據多組權威人體醫學截面圖可見人體胸部截面接近于橢圓，但并非標準橢圓，為保證系統計算所得更接近人體實際數據，基于現有人體數據統計測算出胸部截面圖形周長(即胸圍)與橢圓周長之間存在一個特有的恒定系數，如圖4所示，被測量人為女性，則其胸圍為B＝1.072×CA＝1.683×(A1+A2)；如圖5示，被測量人為男性，則其胸圍為測量人的胸圍B＝1.029×CA＝1.616×(A1+A2)(系數會隨系統不斷開發及人體數據不斷累積而產生輕微修改，使其計算所得更加逼近真實數值)；

S8：將每組B1和B2線段設為長方形的長和寬，并計算該長方形內切橢圓的周長CB＝1.57×(B1+B2)，選取最大值。根據多組權威人體醫學截面圖可見人體臀部截面接近于橢圓，但并非標準橢圓，為保證系統計算所得更接近人體實際數據，基于現有人體數據統計測算出臀部截面圖形周長(即臀圍)與橢圓周長之間存在一個特有的恒定系數，如圖6所示，不論男女臀圍為H＝1.053×CB＝1.653×(B1+B2)(系數會隨系統不斷開發及人體數據不斷累積而產生輕微修改，使其計算所得更加逼近真實數值)；

S9:將每組C1和C2線段設為長方形的長和寬，并計算該長方形內切橢圓的周長CC＝1.57×(C1+C2)，從上至下觀察CC數值的變化情況，如呈現先增大后減小的趨勢，表明被測量人腰部成外凸型則選取最大值；如CC呈現先減小后增加的趨勢，表明被測量人腰部成內凹型則選取最小值。根據多組權威人體醫學截面圖可見人體腰部截面接近于橢圓，但并非標準橢圓，為保證系統計算所得更接近人體實際數據，基于現有人體數據統計測算出腰部截面圖形周長(即腰圍)與橢圓周長之間存在一個特有的恒定系數，如圖7所示，被測量人(不論男女)的腰圍為W＝1.012×CC＝1.589×(C1+C2)(系數會隨系統不斷開發及人體數據不斷累積而產生輕微修改，使其計算所得更加逼近真實數值)；

進一步，可根據胸圍、臀圍、腰圍算法，在手臂，手腕，腿部，預設線段，計算袖長、袖口圍、腿圍、體型數據。

進一步，所述預設框，需移動拍攝設備使被測用戶在預設框內占滿80％～99％。

進一步，所述胸部經驗值，臀部經驗值，腰部經驗值是基于現有樣本量所得出的暫定值，選取樣本(女性，并利用SPSS對樣本的實際胸圍、腰圍、臀圍及其通過拍照所得的胸圍、腰圍及臀圍位置的橢圓周長進行均值和標準差處理，通過聚類分析、相關分析、單因素方差分析和線性回歸分析所得出的經驗值。首先根據SPSS分析結果，胸圍、腰圍及臀圍標準化的殘差分布基本均勻，殘差服從正態分布，且胸圍、腰圍及臀圍所對應的的標準化預測值與其學生氏殘差不存在異常值，因此胸圍、腰圍及臀圍的殘差的方差是齊性的，符合線性回歸的適用條件。進一步處理后，得到相應的回歸系數即經驗值，且方差分析亦顯示，P值均是0.001，足以證明胸圍、腰圍及臀圍的回歸方程具有統計意義。未來隨著人工智能技術的不斷開發及樣本量的不斷累積，系統將更為精準地識別照片內容并準確判斷體型數據所在位置，利用計算機自我改進回歸方程，減少估算值與實際體型數據之間的誤差。

總體而言，本發明的技術思想就是通過對照片預設線段，運用計算機程序從照片中分析出所需要的體型數據。

對于本領域的技術人員來說，可根據以上描述的技術方案以及構思，做出其它各種相應的改變以及變形，而所有的這些改變以及變形都該屬于本發明權利要求的保護范圍之內。