颈根围测量方法对比分析

宁艳群, 雷启然， 尚笑梅

(苏州大学 纺织与服装工程学院, 江苏 苏州 215006)

颈部的动态和静态特征是领部造型设计的基础[1]。由于颈部靠近视觉焦点区的人体面部，因此领子也成了视觉焦点。作为前后衣片的连接部位，其在整个服装设计中有着举足轻重的地位[2-3]。颈根围指的是用软尺经第七颈椎点、颈根外侧点及颈窝点测量的颈根部围长[4]。颈根围作为领部尺寸的一部分，在人体测量中必不可少。本文以身高在155～170 cm范围内的女性颈根围为研究对象，采用手工测量和三维人体测量两种方法对其进行测量，对测量结果进行分析得出两种测量方法的不同之处，并建立了两种方法互相转换模型，该模型可使两种方法所得数据相互转换，不仅节省人体测量成本，还可提高测量值的利用率，同时也为人体测量领域的建模提供一定的参考。

1 颈根围测量

1.1 测量条件

测量者6名，女性，年龄22～25岁，测量技能熟练，能熟练操作实验仪器；被测者25名，为身高155～170 cm的在校女大学生，年龄18～25岁，身体健康；记录者3名，女性，年龄22～25岁，要求准确记录被测者的真实情况，并协助6名测量人员完成整个测量过程。

在测试室内划定测试区域，将室内气温稳定在24～26 ℃、相对湿度稳定在50%～60%，并为被测人员提供一个安全、舒适、放松的测量环境[5]。

室内照明强度适宜，保证测试人员能清晰读数；保证测试区域倚靠的墙体与地面光滑平整，无外凸或内凹；换装时，在给予被测人员相关指导之后，测量人员应留给被测人员足够的隐私空间换装，以免被测人员出现紧张、焦虑等情绪，影响测量结果。

1.2 测量器材

(1) 手工测量(方法Ⅰ)，体位标线、专用记录表格、记录笔、记录板、测体专用服装、人体测量尺寸读数表、软尺、直角三角尺(在直角三角尺的直角短边加上与三角板平面相垂直的钢板，形成测体三角尺)、直尺。

(2) 非接触式三维人体测量(方法Ⅱ)，美国SizeStream三维立体全身3D扫描仪，包括专用的人体测量区域和环境布置、数据采集软件、数据提取与分析软件等；测体专用服装[6]。

2 方法Ⅰ和方法Ⅱ精确度分析

6名测量者依次对25名被测者进行测量，每个测量者对每个被测者测量3遍，得到450组数据，剔除无效数据后，最终可用数据有432组。随机选取15个被测者(编号为1～15)数据用于分析，剩余的10个被测者数据用于模型验证。利用Excel软件对每种方法的15个被测者数据进行初步统计分析，即进行颈根围均值对比和数据离散程度统计分析[7]。

2.1 均值对比分析

求出两种测量方法所得的每位被测者的颈根围均值，并对数据进行对比分析，结果如图1所示。

图1 两种方法所得颈根围均值对比分析图

由图1可知：方法Ⅰ和方法Ⅱ的均值存在一定差异，且方法Ⅰ测量值基本上在方法Ⅱ之上，表明手工测量获取的数值均大于机器。

2.2 离散程度统计分析

标准差表示一组数据的离散程度，其值越大表明离散程度越大；AVEDEV函数值是指数据的绝对偏差的平均值，反映数据的离散程度，其值越大，表明离散程度越大，数据越不稳定。两种方法的离散程度统计数据如表1所示。

表1 两种方法的离散程度统计表

由表1可知，就整体而言，方法Ⅰ的标准差和AVEDEV值大于方法Ⅱ的，说明采用方法Ⅱ得到的数据离散程度更小，数值较稳定。

3 回归模型建立及验证

基于上述15个被测者数据，运用SPSS软件分析方法Ⅰ和方法Ⅱ的相关性和显著性水平，并建立二者的转换模型。首先，对由方法Ⅰ和方法Ⅱ所得数据进行配对样本T检验，判断两组数据的相关性及差异性。若其存在较大相关性且差异显著，说明可建立二者的转换模型。

3.1 显著性分析

将置信区间设为95%，对两组数据进行配对样本T检验，结果分别见表2和表3(表3中的差值指的是由方法Ⅰ和方法Ⅱ所得数据两两相减的值)。

表2 方法Ⅰ和方法Ⅱ相关性分析表

表3 方法Ⅰ和方法Ⅱ配对样本T检验

由表2可知，两种方法所得颈根围数据组的相关系数为0.573，经显著性检验得显著值为0.026。

由表3可知，t为4.981，自由度为14，Sig.为0.000，因为Sig.<0.05，故表明二者存在极显著性差异。

综上可知，方法Ⅰ和方法Ⅱ之间可以建立转换模型。

3.2 回归模型建立

对样本进行回归分析，建立数学回归模型。设定由方法Ⅰ所得数据为自变量x，由方法Ⅱ所得数据为因变量y，选择曲线拟合中的线性、二次、三次、复合及逻辑等函数进行拟合，拟合结果如表4所示。通过对比表4中相关系数的平方值(Rsq)来比较各模型的优劣，Rsq越大，则所选的模型越好。

由表4可知，二次多项式模型的Rsq值最高(0.398)，故采用二次多项式进行拟合，其中二次多项式中的常数项为326.450，一次项系数为-16.334，二次项系数为0.229。

表4 两种方法在不同拟合曲线中的拟合结果

拟合结果为：y=326.450-16.334x+0.229x2

3.3 模型验证

利用剩余的10个被测者(编号为16～25)数据对模型进行验证，结果见表5。其中x值是由方法Ⅰ得到的实际测量值，y值是由方法Ⅱ得到的实际测量值，y′值是方法Ⅱ的模型验证值，差值比率指的是y值与y′值差值的绝对值所占y值的比重。其中差值比率越小，说明模型越好[8]。

表5 剩余样本回归模型验证结果

由表5可知，y与y′差值的绝对值均小于2 cm，且差值比率均小于5%，故二次多项式回归模型有效。综上可知，采用二次多项式模型对函数进行拟合最合适。

4 结 论

通过对两种方法所得颈根围相关数据进行数理统计分析可知：用方法Ⅰ获取数据的离散程度较大，数值不够稳定，但该方法具有较好的实际可操作性；用方法Ⅱ获取数据的离散程度较小，数值稳定，但该方法实际可操作性较方法Ⅰ弱；两组数据具有显著相关性且呈现极显著差异，故可对两种方法建立转换模型：y=326.450-16.334x+0.229x2。经验证，该模型有效。