一种服装压感支撑方法与流程

本发明属于人体服装设计技术领域，尤其是涉及一种服装压感支撑方法。

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。

另外，同一型号的服装对于不同个体客观上会有不同的差异，服装压力的舒适性与个体体型及bmi值有关，例如某服装的常规尺码有三个，m、l和xl，甲和乙对于该服装的合适尺码均为m，但是由于两者的体型存在差别，所以不同个体对合适于自己的同一尺码的服装舒适性程度并不相同，且有些个体并不适合于常规尺码，现有技术中不适合常规尺码的客户只能勉强接受舒适性程度并不高的服装，或者自行定制服装，无法直接购买适合自己的舒适性较高的现成服装。

技术实现要素：

本发明的目的是针对上述问题，提供一种服装压感支撑方法。

为达到上述目的，本发明采用了下列技术方案：

一种服装压感支撑方法，其特征在于，包括以下步骤：

s1.为多个受试者穿上待测服装，并使受试者做随意动作和/或指定动作；

s2.获取受试者各动作下的心理检测值和生理检测值；

s3.结合受试者的主观评分、心理检测值和生理检测值为相应待测服装的舒适性打分。

在上述的服装压感支撑方法中，在步骤s1之前还包括：

s01.通过三维动态捕捉系统构建三维动态捕捉环境，在捕捉环境中捕捉每个受试者的三维动态数据；

且在步骤s1中，由三维动态捕捉系统捕捉受试者的每一个动作。

在上述的服装压感支撑方法中，在步骤s1中，每个受试者穿着的待测服装均为合适于自己体型的常规尺码；且每个常规尺码对应的受试者至少包括两个。

在上述的服装压感支撑方法中，在步骤s2中，通过生理监测模块获取受试者的生理检测值，通过心理监测模块获取受试者的心理检测值。

在上述的服装压感支撑方法中，所述生理监测模块包括具有血压监测、心率监测、皮肤血流量监测、皮肤温度监测和心电图监测中的任意一种或多种功能的智能手环；

所述心理监测模块包括脑电波传感器和/或皮电传感器。

在上述的服装压感支撑方法中，步骤s3具体包括：

s31.捕捉受试者的各动作，并获取作出相应动作的时间；

s32.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；

s33.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；

s34.获取受试者对待测服装的主观评分，并通过综合评分方式计算每个受试者对相应待测服装的综合舒适性分数。

在上述的服装压感支撑方法中，所述动作评分方式包括以下公式：

a1＝x/|a1-a|；a2＝x/|a2-a|；……；an＝x/|an-a|；

b1＝y/|b1-b|；b2＝y/|b2-b|；……；bn＝y/|bn-b|；

s1＝(a1*q+b1*p)；s2＝(a2*q+b2*p)；……；sn＝(an*q+bn*p)；

其中，

x、y分别为心理数据的放大系数和生理数据的放大系数；

a1、a2、an分别为受试者在动作1、2和n下的心理数据；

b1、b2、bn分别为受试者在动作1、2和n下的生理数据；

a、b分别为正常心理检测值和正常生理检测值；

a1、a2、an分别为受试者在动作1、2和n下的心理检测值；

b1、b2、和bn分别为受试者在动作1、2和n下的生理检测值；

s1、s2、sn分别为受试者在动作1、2和n下的舒适性分数；

q、p分别为心理数据的权重值和生理数据的权重值。

在上述的服装压感支撑方法中，所述综合评分方式包括以下公式：

sd＝(s1+s2+……+sn)*g/n+c*k

sd为受试者对待测服装的综合舒适性打分分数；

c为受试者对待测服装的主观评分分数；

g和k分别为动作评分权重值和主观评分权重值。

在上述的服装压感支撑方法中，在步骤s1之前事先检测并记录每个受试者的的bmi数据，且bmi数据包括bmi值和体型数据；

且在步骤s3之后还包括：

s4.构建常规尺寸、常规尺寸对应受试者的bmi数据和受试者对待测服装的综合舒适性分数之间的关系表。

在上述的服装压感支撑方法中，步骤s4之后还包括：

s51.根据bmi数据为综合舒适性分数小于特定值的受试者更换小一号或大一号的待测服装，并提取更换后综合舒适性分数仍然小于特定值的受试者对应的bmi数据、对应的常规尺码及常规尺码对应的服装数据；

s52.提取综合舒适性小于特定值对应受试者在各动作下的舒适性分数，并获取舒适性分数低于预设分数的动作；

s53.根据步骤s51和s52中提取的bmi数据和低分动作，基于常规尺码的服装数据给出相应常规尺码的尺寸、结构和/或面料的改进建议，以供设计人员根据改进建议设计基于常规尺码的新尺码。

本发明的优点在于，结合生理检测值、心理检测值和主观评分对一款待测服装进行舒适性打分，能够在一定程度上排除由个人的差异所产生的人为差异，使评分结果符合大部分人群的感觉效果；使用评分的方式进行舒适性打分，将舒适性的评价定量化，提高评价精确度；事先获取每位受试者的bmi数据，以便于实验人员获得bmi数据与舒适性之间的关系，从而为后续改进或新建尺码做参考。

附图说明

图1是本发明实施例一中服装压感支撑方法的方法流程图；

图2是本发明实施例一中各受试者对应的评分结果示意图；

图3是本发明实施例二中在各尺寸下各bmi值对应的综合舒适性分数测试结果表。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步详细的说明。

如图1和图2所示，本实施例公开了一种服装压感支撑方法，包括以下步骤：

s1.为多个受试者穿上待测服装，并使受试者做随意动作和/或指定动作；为了尽量提高实验准确性，这里采用使每个受试者在自由活动的过程中做出指定动作的方式。

s2.监测受试者各动作下的心理检测值和生理检测值；

s3.结合受试者的主观评分、心理检测值和生理检测值为相应待测服装的舒适性打分。

若本次目的是单纯对一款待测服装的舒适性检测，则待测服装的最终打分结果是所有受试者对待测服装舒适性打分结果的平均值。

进一步地，在步骤s1之前还包括：

s01.通过三维动态捕捉系统构建三维动态捕捉环境，在捕捉环境中捕捉每个受试者的三维动态数据；

且在步骤s1中，由三维动态捕捉系统捕捉受试者的每一个动作。

三维动态捕捉系统采用现有的技术即可，主要包括布置在捕捉环境中的多台位于不同角度的摄像镜头和连接于摄像镜头的处理器和显示器，以用于人体运动动态捕捉并在显示器上显示运动轨迹。同样地，运动动态捕捉和显示方式也采用现有技术的方式，具体不在此进行赘述。

具体地，在步骤s1中，每个受试者穿着的待测服装均为合适于自己体型的常规尺码，且每个常规尺码对应的受试者至少包括两个。

进一步地，在步骤s2中，通过生理监测模块获取受试者的生理检测值；通过心理监测模块获取受试者的心理检测值。

这里的生理监测模块可以为具有血压监测、心率监测、皮肤血流量监测、皮肤温度监测和心电图监测中的任意一种或多种功能的智能手环；心理监测模块包括脑电波传感器和/或皮电传感器。例如生理监测模块可以为具有心率监测功能的智能手环，心理监测模块可以为皮电传感器，智能手环和皮电传感器均佩戴在受试者身上。除此之外，受试者还携带有有线或无线方式连接于智能手环和皮电传感器的人体处理器，人体处理器具有存储模块以实时存储检测到的心理检测值和生理检测值，受试者试穿结束后，将该人体传感器连接至电脑等外部工具将数据转移以进行后续分析处理。当然，这里的智能手环和皮电传感器也可以直接无线连接至外部处理器，如连接至手机端或三维动态捕捉系统的处理器，以将心理检测值和生理检测值传输直接给该外部处理器，外部处理器连接于服务器，后续的分析处理等动作可以全部或部分在服务器中完成，外部处理器通过显示器用于供用户与服务器进行交互。

进一步地，步骤s3具体包括：

s31.由三维动态捕捉系统构捕捉受试者的各动作，服务器根据三维动态捕捉系统捕捉的运动轨迹提取受试者做出各指定动作的时间；

s32.服务器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；例如，d受试者在10点33分做出做出指定动作1，那么服务器获取10点33分检测到的心理检测值和生理检测值，并将d受试者、指定动作1、心理检测值和生理检测值相绑定以便于后续分析；

s33.服务器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；

s34.服务器获取受试者对待测服装的主观评分，并通过综合评分方式计算每个受试者对相应待测服装的综合舒适性分数。

具体地，动作评分方式包括以下公式：

a1＝x/|a1-a|；a2＝x/|a2-a|；……；an＝x/|an-a|；

b1＝y/|b1-b|；b2＝y/|b2-b|；……；bn＝y/|bn-b|；

s1＝(a1*q+b1*p)；s2＝(a2*q+b2*p)；……；sn＝(an*q+bn*p)其中，

x、y分别为心理数据的放大系数和生理数据的放大系数；

a1、a2、an分别为受试者在动作1、2和n下的心理数据；

b1、b2、bn分别为受试者在动作1、2和n下的生理数据；

a、b分别为正常心理检测值和正常生理检测值，当正常心理检测值和正常生理检测值为一数值范围时，取中间值、最大值或最小值；

a1、a2、an分别为受试者在动作1、2和n下的心理检测值；

b1、b2、和bn分别为受试者在动作1、2和n下的生理检测值；当心理检测值或心理检测值在相应动作的测试时间段内为波动的时候，取平均值。

s1、s2、sn分别为受试者在动作1、2和n下的舒适性分数；

q、p分别为心理数据的权重值和生理数据的权重值。权重值可以由本领域技术人员根据具体情况确定，一般情况下p>q，例如p＝0.6，q＝0.4。

由于当人体越舒适的时候，心理检测值和生理检测值均越接近正常值，例如人体正常心率为82，越接近82则表示越舒适。所以这里生理检测值和心理检测值采用与正常检测值相减取绝对值作为除数的方式得到相应的心理数据和生理数据。x、y可以相等也可以不相等，x、y可以为任意整数以将各数据值变换为大于1的数据从而放大最终的舒适性分数的差异。

若心理监测模块具有多种心理理监测功能，则a为各正常心理检测值相加或权重相加值，a1为各心理检测值相加或权重相加值；同样地，若生理理检测模块也具有多种心理监测功能，则b为各正常生理检测值相加或权重相加值，b1为各生理检测值相加或权重相加值。

同样地，综合评分方式包括以下公式：

sd＝(s1+s2+……+sn)*g/n+c*k；

sd为受试者对待测服装的综合舒适性打分分数；

c为受试者对待测服装的主观评分分数；

g和k分别为动作评分权重值和主观评分权重值，同样地，这里的权重值也可以由本领域技术人员根据具体情况确定，一般g>k，以尽量减小主观因素的影响，例如m＝0.7，n＝0.3。

本实施例对各尺寸的待测服装分别进行测试，具有更全面，测试结果更具有代表性等优点；通过具体分数的方式给出舒适性测试结果，使测试结果定量化，具有更直观、比较更明显等优点；另外，本实施例针对每个动作给出舒适性分数结果，各动作下舒适性的测试结果能够为设计人员对待测服装的具体部位做微调改进提供参考。

具体实践中，设计人员可以向服务器获取各受试者在各动作下的舒适性分数，并提取出舒适性分数低于预设分数的动作，以便于设计人员基于低分动作对相应常规尺码的服装进行微调以使待测服装具有更高的舒适性。

本实施例通过对各动作进行各部位的舒适性评分，使设计人员能够针对具体动作对常规尺码的待测服装进行改进，尽可能提高服装的在各种状态下舒适性，具体改进方式由设计人员自行确定，可以是尺寸上的改进，例如加长、加宽等处理，也可以是结构上的改进，例如提高转角弧度，改变转角方式等，还可以是面料上的改进，例如在成本允许范围内改用弹性性能更强、更柔软的面料等。

实施例二

如图3所示，本实施例与实施例一类似，不同之处在于，本实施例在步骤s1之前事先检测并记录每个受试者的的bmi数据，特别地，这里的bmi数据包括bmi值和体型数据；

且在步骤s3之后还包括：

s4.构建常规尺寸、常规尺寸对应的受试者bmi数据和受试者对待测服装的综合舒适性分数之间的关系表。若两个或多个受试者穿着同一尺寸的待测服装，且具有相同的bmi值，则综合舒适性分数取两者或多者的平均值。

进一步地，步骤s4之后还包括：

s51.根据bmi数据为综合舒适性分数小于特定值的受试者更换小一号或大一号的待测服装，并提取更换后综合舒适性仍然小于特定值受试者所对应的bmi数据、对应的常规尺码及常规尺码对应的服装数据；

由两个或多个受试者平均得到的综合舒适性分数，则同时对两个或多个受试者进行换尺码后的再一次测试，此次将各受试者的综合舒适性分数与特定值分开比较以在两个或多个受试者中提取出仍然小于特定值的受试者对应的bmi值、体型数据、首次试穿的常规尺码及其对应的服装数据。服装数据为对应服装的尺寸数据，包括衣长、袖长、肩宽等数据。

这里的特定值可以为80分或85分等，一般情况下，bmi值偏高的，则为受试者更换大一号待测服装，反之为受试者更换小一号服装。若更换后的综合舒适性高于特定值的，则记录受试者的bmi值、体型数据和更换后的尺寸。例如一般情况下，d受试者的体型更适合于m号，但是其m号服装的测试结果综合舒适性较低，而l号服装的测试结果综合舒适性较高，所以在后期向客户推荐尺寸的时候，为接近d受试者bmi值、体型数据的客户推荐l尺寸的服装。使商家能够更精准地为客户推荐更合适的尺寸。

s52.提取综合舒适性小于特定值对应受试者在各动作下的舒适性分数，并获取舒适性分数低于预设分数的动作；预设分数可以为70分或60分等；

s53.根据步骤s51和s52中提取的bmi数据和低分动作，基于常规尺码的服装数据给出相应常规尺码的尺寸、结构和/或面料的改进建议，以供设计人员根据改进建议设计基于常规尺码的新尺码。改进建议包括根据bmi值的整体改大改小建议，根据各动作下舒适性分数给出的具体部位改大、改小建议，加宽、缩紧建议，结构优化建议和面料选择建议等。

新尺码的大小介于受试者试穿的两个尺码之间，设计人员也可以自行针对各动作的舒适性分数进行具体调节以为不适合常规尺码的客户设计相应的新尺码。在后期推荐的时候，可以为不适合常规尺码的客户根据客户的bmi值和体型数据为客户推荐新尺码的服装，保证客户穿着的舒适性，为大多数客户提供舒适性较高的服装服务。当然，在设计人员设计新尺码的服装后，还可以使相应的受试者穿上新尺码的服装进行再一次的舒适性测验以保证设计的合理性。

需要说明的是，各附图中的各数据是为了举例说明而设定，具体根据实际情况可能与附图不同。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

尽管本文较多地使用了受试者、三维动态捕捉系统、常规尺码、生理监测模块、心理监测模块、智能手环、新尺寸等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。