| 基于三维人体测量数据进行适体设计可以提高系统、设备、工具和生活用品等的工效学性能，使其在空间尺寸和形状等方面与人体特征相适配，从而提高工作绩效，增进作业安全与健康。因此三维人体测量深受重视，已积累了相当数量的三维人体测量数据。然而，传统的百分位数概念和多元分析方法不适用于三维人体测量数据的统计分析。如何应用三维人体表面数据进行面向人群的适体设计存在很大的理论空白。本申请提出采用小波分析的方法，研究三维人体测量数据所对应的人体表面形状的分组，实现人群划分和建模，使三维人体测量数据得到更好的实际应用。通过小波分解，建立三维人体表面形状（曲面）的多分辨率描述，根据低分辨率部分的控制顶点矩阵建立统计特征进行分组。该方法直接在曲面形状的数学表达基础上建立统计特征，可以反映人体表面本身的形状，又可以在不同的分解层次上实现不同程度的分组。本研究将用头面部样本数据进行验证。 面向产品适配性的号型系统是人体测量领域的重要研究内容。基于一个或少数几个人体尺寸的传统号型系统，未能充分考虑人体表面形状信息，不仅将影响到产品佩戴的舒适性，还会带来安全隐患。本研究提出采用三维人体数据的B样条小波的多分辨率描述模型。采用两种近似误差度量指标，用以评估小波分解对原始三维人体测量数据的逼近精度。提出了基于块划分的形状差异度量方法，把样本曲面从欧氏空间的三维坐标转化为基于块距离的矢量形式；根据低分辨率曲面型值点矩阵建立统计特征。研究了基于块距离主成分的k-means聚类分析与基于块距离矢量的k-means聚类分析，并就人脸样本、头上部样本和全头样本对上述方法以及基于头长和头宽的k-means聚类分析进行了对比研究。采用了两种聚类效果评价指标：样本量加权方差和聚类效果指标。研究了分块数、分辨率、对齐基准等对聚类结果的影响。把本课题提出的号型划分方法，与目前国军标推荐的以头宽长指数、头高长指数为关键参数进行头型划分的方法进行了对比。采用本研究提出的方法进行基于三维人体测量数据的人体表面形状分组和产品号型划分，可以提高产品的适配性，提高工作绩效，增进职业安全与健康。 |
