基于线性回归和MLP神经网络的女体测量模型

摘要：

针对服装规模化定制中普通消费者体型测量技术和人体样本获取困难的问题,提出采用仿真人体样本与正面图像的机器学习方法预测人体数据.基于123个仿真人体样本,模拟拍摄不同角度的正面人体图像,通过提取人体轮廓和识别关键点获得特征参数,利用多元线性回归和神经网络进行胸围、腰围和臀围的机器学习,并建立预测模型.实验结果表明,线性回归模型对于样本集合的误差均值小于3 cm,可以为服装线上规模化定制提供体型参数估计的技术参考.

关键词：多元线性回归、神经网络、非接触式人体测量

所属期刊栏目：42

分类号：TS941.2

资助基金：北京服装学院高水平教师队伍建设项目;北京市教育委员会科技计划项目;北京服装学院研究生科研创新项目

在线出版日期：2022-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：53-60