[发明专利]一种基于神经网络算法的体感支撑技术方法

说明书

本发明提供了一种基于神经网络算法的体感支撑技术方法，包括以下步骤：S1.对受试者进行人体扫描以获得各受试者的体型数据；S2.确定服装尺寸数据，并令各受试者穿上根据服装尺寸数据制作出的样衣以进行试穿实验；S3.根据试穿实验获取各受试者对相应样衣的舒适性评分结果，且对评分不合格受试者对应的样衣进行服装尺寸调整后重复步骤S2和S3；S4.将评分合格受试者的体型数据作为输入，最终服装尺寸数据作为输出训练BP神经网络预测模型。将各受试者体型数据和最终服装尺寸作为训练样本训练BP神经网络预测模型，从而得到一个能够根据客户体型数据预测适合于客户的服装数据，相较于现有技术具有成衣舒适性更高，不需要进行后续修改等优点。

技术领域

本发明属于人体服装设计技术领域，尤其是涉及一种基于神经网络算法的体感支撑技术方法。

背景技术

服装压力的舒适性由人的生理、心理因素共同决定，目前，对于试穿衣服的舒适性评价仅仅停留在心理层面上，根据个人的心理感觉对穿着服装的压力舒适感(如紧、松)进行评分，这种方法由于个体的差异，难以保证主观实验者本身的可信性和实现试验的可重复性。

相应地，目前服装厂家在对自家的服装进行舒适性测试的时候，使用的方法是令受试者(一般为较标准身材的受试者)穿上合适于受试者的一个或两个尺码进行舒适性主观评价，若评价较好，则直接判定为服装合格，若评价较低则根据受试者的主观描述对服装的具体部位进行调整。这样的方式存在受受试者主观因素影响较大，且只实验也只服务于一部分标准身材的受众，实验测试效果不强，导致最终受众对于服装的体验并不好。

发明内容

本发明的目的是针对上述问题，提供一种基于神经网络算法的体感支撑技术方法。

为达到上述目的，本发明采用了下列技术方案：

一种基于神经网络算法的体感支撑技术方法,包括以下步骤：

S1.对受试者进行人体扫描以获得各受试者的体型数据；

S2.确定服装尺寸数据，并令各受试者穿上根据所述服装尺寸数据制作出的样衣以进行试穿实验；

S3.根据试穿实验获取各受试者对相应样衣的舒适性评分结果，且对评分不合格受试者对应的样衣进行服装尺寸调整后重复步骤S2和S3；

S4.将评分合格受试者的体型数据作为输入，最终服装尺寸数据作为输出训练BP神经网络预测模型。

在上述的基于神经网络算法的体感支撑技术方法中，步骤S3中，当舒适性评分结果低于预设值时确定为评分不合格，且通过以下方式获取舒适性评分结果：

S31.获取受试者的心理检测值和生理检测值；

S32.结合受试者的主观评分、心理检测值和生理检测值为相应样衣的舒适性打分。

在上述的基于神经网络算法的体感支撑技术方法中，在步骤S31中，所述心理检测值包括皮电信号值，所述生理检测值包括心率监测值，且由皮电传感器获取皮电信号值，由心率传感器获取心率检测值。

在上述的基于神经网络算法的体感支撑技术方法中，在步骤S31中，令受试者做随意动作和/或指定动作，并由三维动态捕捉系统捕捉受试者的每个动作，同时获取受试者各动作下的心理检测值和生理检测值。

在上述的基于神经网络算法的体感支撑技术方法中，步骤S31具体包括：

S311.捕捉受试者的各动作，并获取作出相应动作的时间；

S312.根据时间节点获取受试者在各动作下的心理检测值和生理检测值；

步骤S32具体包括：

S321.通过动作评分方式计算每个受试者分别在每个动作下的舒适性分数；