[发明专利]一种基于ANFIS的裤装虚拟试穿合体性评估方法

权利要求书

1.一种基于ANFIS的裤装虚拟试穿合体性评估方法，其特征在于，包括以下步骤：

S1：收集裤装真实试穿数据集，将数据集分为合体和不合体两种类型；

S2：收集裤装虚拟试穿中关键压力参数数据集；

S3:构件基于自适应神经模糊推理系统的裤装虚拟试穿合体性评估模型，并对步骤S1获取的裤装真实试穿数据集及步骤S2获取的裤装虚拟试穿中关键压力参数数据集进行训练；

S4：通过训练好的裤装虚拟试穿合体性评估模型，对一组新的裤装关键压力参数预测，输出为合体或不合体。

2.根据权利要求1所述的一种基于ANFIS的裤装虚拟试穿合体性评估方法，其特征在于，所述步骤S1具体为：试穿者试穿裤装数据库所有裤装，收集裤装真实试穿数据集，并将裤装真实试穿数据集分为合体和不合体两种类型，分别标记为“1”和“0”加以区分。

3.根据权利要求1所述的一种基于ANFIS的裤装虚拟试穿合体性评估方法，其特征在于，所述步骤S2具体方法是：在裤装虚拟试穿中所用的每一条裤子的模板上都装有压力采集器，收集20个不同部位的压力参数。

4.根据权利要求1所述的一种基于ANFIS的裤装虚拟试穿合体性评估方法，其特征在于，所述步骤S3具体方法是：以S1中收集的裤装真实试穿数据集作为评估模型的输出数据，以S2中收集的裤装虚拟试穿中关键压力参数数据集作为评估模型的输入数据，对该评估模型进行训练。

5.根据权利要求1所述的一种基于ANFIS的裤装虚拟试穿合体性评估方法，其特征在于，所述S3的自适应神经模糊推理系统包括5层，分别为：

第一层为模糊化层，为每一个输入生成隶属度函数，隶属度函数可以为高斯函数、三角函数或钟型函数，高斯函数公式如下所示:

式中，是第一层的输出，x的输入变量，μ_Xi是x的第i个成员函数，{c_i,δ_i}是高斯函数中的参数；

第二层为规则层，其输出是所有输入信号的代数积，每个节点的输出表示一条规则的激励强度，其计算公式为：

式中，是第二层的输出，μ_Xi(x),μ_Yi(y)是第一层的输出；

第三层为归一化层，将每条规则的激励强度归一化，其计算公式为：

式中，是第三层的输出，ω_i是第i条规则的激励强度；

第四层为去模糊层，计算每一个节点的权重值，其计算公式为：

式中，是第四层的输出，是第三层的输出，{p,q,r}被称为结论参数集，由自适应神经模糊推理系统网络自动生成；

第五层为输出层，对去模糊层的输出求合并作为总输出，其计算公式为：

式中，是第五层的输出，即所有输入信号的总输出。