基于服裝設計要素和法則的智能配搭設計

夏 帆，劉 翔

(1.浙江理工大學服裝學院，浙江 杭州 310018;2.浙江省服裝工程技術研究中心，浙江 杭州 310018)

基于服裝設計要素和法則的智能配搭設計

夏 帆1，2，劉 翔1

(1.浙江理工大學服裝學院，浙江 杭州 310018;2.浙江省服裝工程技術研究中心，浙江 杭州 310018)

根據服裝設計最終效果要求，對設計師服裝設計實踐進行總結，確定服裝設計核心要素、法則，并對設計要素和法則進行排列組合，使其具備計算機運行的邏輯形態;對服裝款式圖形進行特征空間聚類和Gamma光照預處理，完成圖像摳圖、特征值跟蹤計算、相似形搜索、智能匹配等運算功能。結果表明:在具有圖像搜索和識別能力的計算機程序中，植入設計師設計過程中對設計要素和法則可能出現的變化形態數列后，計算機則能在海量數據庫中以特征值大小為依據，迅速找出目標對象，并依據設計師的思維路徑推薦、排列組合，最終能快速配搭設計出可與設計師設計相媲美的成衣款式。

服裝設計;設計要素;設計法則;圖像識別;智能配搭

服裝智能設計始于21世紀初。目前國內外對這方面的研究主要從2個角度出發，第1類多從工藝設計出發，在原有CAD基礎上進行延伸研發;也有模擬設計工作及路徑，用計算機建模方式來完成簡單的服裝設計工作，從理論上實現了計算機模擬設計師的設計工作，如朱菊香［1］提出的提取款式圖部件特征信息的方法;王燕珍［2］提出的二維服裝款式圖轉化為二維樣版的概念，得到了標準服裝平面款式圖與平面結構圖的數學轉化模型;Cheng等［3］通過邊緣檢測技術提取服裝輪廓等形狀特征，實現服裝圖像檢索功能;Zhang等［4］介紹了圖像形狀表達及描述方法在圖像檢索中的應用，李繼云［5］針對款式輪廓信息提取、基于風格的分類以及款式的自動拼接提出了系統的解決方案。第2類是將設計創意思維、設計目標、設計法則等要求一一列出，不僅解決運算、建模問題，還要求能真正為設計師應用。劉曉剛［6］主持的服裝設計與信息數字化研究項目就屬于此類。該項目以設計師為主導，實行設計師與計算機專家跨界合作方式，從服裝風格研究入手，實現智能化的快速反應，以非服裝設計專業人士為適用對象，僅限于矢量圖形設計方法為研究內容，以平面二維設計為呈現手段，系統研究了服裝智能設計實現的路徑和方法;紀曉燕等［7］將服裝款式設計零部件數字化，徐玥等［8］基于風格理念的智能化服裝款式設計系統從設計相關的零部件和風格等角度進行了探討。以上研究在計算機如何解決形象計算轉換方面取得了很大進展，但如何將服裝設計要素、設計法則進行系統梳理使其量化后與計算機圖像識別等技術有機結合方面的研究較少。

本文借助近年來信息技術的發展成果，充分利用三維技術、4G網速、移動通訊工具等高科技手段，總結提煉出適合計算機智能運作的服裝構成要素和法則，從2個方面進行探討:1)對服裝構成要素及其變化關系和規律進行邏輯結構設計，形成可供計算機識別的構成要素構成法和設計變化規律;2)把構成要素的圖形圖像特征按照設計要求進行專業分類、分級、特征描述，進行圖像圖形識別計算，提取特征值并做關聯映射，以實現作為構成要素的圖像圖形特征值自動識別，以此完成服裝設計素材數據庫建設，并將設計變化規律進行有條件優先排列組合設置，最終由計算機來完成圖像識別和智能配搭設計。

1 構成要素構成法和設計變化規律

1.1 服裝構成要素構成

無論服裝款式有多么復雜，其主要設計構成都離不開七大要素、八大法則。七大要素如圖1所示，既廓形、色彩、材質、工藝、裝飾、部件、輔件。八大法則如圖2所示，既對稱、均衡、對比、協調、節奏、旋律、比例、夸張。以此為閾值，設計師可以展開千變萬化的設計方案。

圖1 服裝設計七大要素Fig.1 Seven elements of fashion design.(a)Three main elements;(b)Four auxiliary elements

圖2 服裝設計八大法則Fig.2 Eight principles of fashion design

根據構成要素在服裝形制風格與視覺形象設計中的作用，七大服裝設計要素又可細分為三大主要素和四大輔助要素。三大主要素負責服裝形制和風格特征的主要構成，四大輔助要素負責調節服裝形制和風格的強弱;而八大服裝設計法則為款式創新提供美學依據和方向。它們之間的組合有一定的規律可循，這些規律可以轉換成計算機數碼，由計算機程序負責運行，計算機收到需求指令后，通過圖像識別工具從數據庫中調取相關設計素材，經過計算機對其特征值跟蹤運算，在數據庫中按特征值大小自動找到最佳匹配款，從而實現服裝智能設計。

1.2 設計變化規律

1.2.1 三大主要素的4類變化規律

通過排列組合計算，三大要素可以隨意想象和表現，但在成衣設計實踐中，三大要素一般遵循如下變化規律:第1類廓形不變，色彩與材料變;第2類材料不變，廓形、色彩變;第3類色彩不變，廓形、材料改變;第4類三大要素同時變化。前3類變化規律是在確定某款樣式后進行系列設計延展，適用于較成熟的產品設計，以保證三大要素中有1種要素得以延續，第4類方法適用于探索性產品設計，要求與現有產品拉開距離，適用于新風格創立或較大改變原有風格款式，具有一定的市場風險。

三大主要素的4類變化規律可以產生8種變化路徑，如某款服裝為C，其變化路徑的數目為C13+C23+C33=3+3+1=23－1=7種(延展性設計)，加上第4類全部要素變化(創意性設計)路徑為8種。

1.2.2 四大輔助要素的5類變化規律

三大主要素具有獨立成型特性，而四大輔助要素則必須依附于三大要素構成才行，不能獨立構成服裝，但對服裝風格的形成和特色構建具有畫龍點睛的效果，因此，四大輔助要素在使用中必須以三大主要素構成的風格調性為前提，用八大設計法則為美學方向指導，充分發揮其靈活、小巧、便捷的特點，為服裝設計錦上添花。在此基礎上，四大輔助要素有以下變化規律:第1類工藝不變，部件、裝飾、輔件相應變化;第2類部件不變，其他三項相應變化;第3類裝飾不變，其他三項相應變化;第4類輔件不變，其他三項相應變化;第5類四項要素都變。其設計可變化路徑為C14+C24+C34+C44=4+6+4+1=24－1=15種(延展性設計)，加上第5類全部要素變化(創意性設計)共有16種設計變化路徑。

1.2.3 八大設計法則變化規律

設計法則是要素設計評判的重要依據和保障。在設計構成中處于戰略性地位。設計法則與整體風格走向直接發生關系。八大設計法代表了8類審美趣味，間隔180°的2個法則成反向關系，共有4對，其變化成此強彼弱之關系:1)節奏性越強，則旋律性越弱;反之旋律性越強，則節奏性越弱;2)對比越強，協調性越弱;3)對稱性越強，平衡性作用越小;4)夸張越大，離常規比例越遠。在使用時，須把握以下原則:4對法則構成審美調性，成對的2個法則具有對調性強弱進行微調作用;每次設計應用以1種法則為主，其他法則為輔;禁止同時等量使用2種或2種以上法則;8類法則無處不在，從整體造型到局部細節處理都能看到這種關系。八大法則變化路徑數目為C18+C28+C38+C48+C58+C68+C78+C88=28－1=255種。

1.2.4 智能配搭設計

計算機語言把三大主要素、四大輔助要素、八大法則組合應用，每個要素或法則的變化都會產生不同的設計形式，可得出8×16×255=32640種設計變化樣式。

七大構成要素中每個要素又包含若干種變化因子，以廓形要素為例。廓形要素包含A型、H型、O型、X型、T型5種基本廓形，如圖3所示。將這5種廓形兩兩隨機組合，即可出現37組新廓形，圖4示出其中的5組新廓形。如果把37種變化廓形與以上得出的32640種設計變化組合，可獲得1207680種變化樣式。

圖3 五大基本廓形Fig.3 Five basic profile.(a)H profile;(b)A profile;(c)T profile;(d)X profile;(e)O profile

圖4 基本廓形組合形態Fig.4 Profile combination.(a)Type O and H in combination;(b)Type H and T in combination;(c)Type T and H in combination;(d)Type A and H in combination;(e)Type X and T in combination

除了廓形要素具有以上組合變化形態之外，其余六大構成要素中，每一類都有自己的基本因子和可變化組合形態，如色彩要素中具有色相、明度、純度、彩度等可變因子;材質要素中具有纖維紗線、組織紋樣、織造印染等可變因子;部件要素中有領、袖、門襟、下擺、大身衣片等可變因子;工藝要素中有鑲、嵌、拼、貼、繡、印、繪、滾、蕩、盤、堆等可變因子;裝飾要素中具有線跡、省、褶、裥等;輔件要素中有扣、襻、拉鏈、繩、帶等各種緊固件可變因子。每一類可變因子中又有許多可變樣式存在，這些要素中可變因子的各種組合樣式造就了服裝設計創意無限、變化無窮的可能，看似天文字般的組合設計方案，可以輕而易舉地通過計算機數學運算公式編程來瞬間實現。

2 計算機智能配搭設框架構建

以信息處理與圖形識別技術為核心，模擬優秀服裝設計師思維和工作方式，通過服裝圖像采集、圖像處理、模糊識別等計算機處理模塊運行，建立服裝快速匹配設計模型，其基本工作由3部分組成:內容選擇、技術路線、工作流程。

2.1 內容選擇

2.2 技術路線

2.2.1 進出口和指令區

圖5示出用戶交互流程，路線①用戶交互指令傳遞路線，是由UI中發出的指令工作模塊下達給3個數據庫各層級指令的流程組成。

圖5 技術工作區Fig.5 Technology roadmap

2.2.2 后臺工作區

路線②是本課題核心研究層。圖片處理核心技術程序從原始圖分類庫→摳后圖片庫→成品圖片庫交替工作，從而形成路線②內循環工作處理路徑。

2.2.3 智能推薦路線區

路線③是原始圖輸入從路徑②進入核心工作區，經過計算機智能化設計處理后以滿足客戶需求的新款視覺形象回到視屏窗口為終點。

2.2.4 工作流程圖

目前我國的車輛檢測系統一般通過RS232或485接口與上位機通信,采用電纜線的方式實現數據的傳輸,存在電路連接復雜,線纜安裝捆扎費時的缺點,并且在車輛運行過程中容易發生斷線損壞,降低檢測的可靠性[1]。另一方面,鐵路的不斷提速與發展,傳統的檢測系統已經很難滿足控制精度、傳輸速度以及實時性方面的要求。

圖像識別特征值的提取是流程中的核心環節，擬用梯度向量流(gradient vector flow，GVF)場與種子區域生長(seeded region growing，SRG)［9］法相結合，設計出一種適用于服裝快速自動圖像與背景分割的程序，用此方法從原始圖庫中提取目標服裝圖片標樣，對服裝圖片進行二值化處理，然后對二值化的圖片進行掩膜處理，最后根據服裝圖片掩膜對預處理后的著裝圖片進行分割處理，提取相應的服裝前景圖像，完成服裝圖片的摳圖，計算機就可以進入特征值計算和智能配搭設計流程，如圖6所示。

圖6 工作流程圖Fig.6 Work flow chart

3 服裝構成要素智能配搭方法計算

跟蹤算法用于對服裝構成要素中廓型、色彩、材質等特征值計算的跟蹤算法，是智能服裝搭配的關鍵技術。

3.1 跟蹤算法

對服裝構成要素跟蹤，實現服裝款式的識別與推薦，其特征在于所述步驟處理的結果圖片采用構成要素跟蹤得到服裝的要素特征值，具體按照以下步驟實施。

3.1.1 服裝形狀點集X和Y設定

有2個待匹配的服裝形狀點集X和YX={x1，x2，L，xm}和 Y={y1，y2，L，yn}，對于服裝 X 中任一點xi，計算余下n－1個點相對坐標的形狀上下文:hi(k)=#{xj≠ xi:(xj－ xi)bin(k)}k{1，2，L，K}(1)式中:i=1，2，…，m，K為徑向等份數與圓周等份數目的乘積。

同理對于衣服點集Y中任一點yj的形狀上下文為hj(k)，則xi和yj之間的匹配代價定義為

3.1.2 初始匹配獲得

利用匈牙利算法［10］最小化2個形狀之間總的匹配代價即可獲得初始匹配。

設經過初始匹配后的形狀點集分別為X={x1，x2，…，xn}和 Y={y1，y2，…，yn}，其中(xi，yi)是初始匹配對。對點集X按照如下方式構造中值K-NN圖GX(VX，EX):點集中的每個點xi為圖中1個節點vi，即VX=v1，…，vn。如果xj和xi滿足下面2個條件則它們之間存在1條邊e(i，j)EX。

1)xj是xi的K最近鄰域中的點;

2)‖xi－xj‖μ，其中μ為VX中節點之間所有距離的中值，即 μ =med(h，l)VX×VX‖xh－xl‖。

第1個條件描述了最近鄰域結構的特點，而第2個條件限制了由于變形產生的出格點。如果xi不存在K個最近鄰域點，則xi在圖中完全不連通。于是無向圖GX(VX，EX)對應的鄰接矩陣為

同理，對點集Y構造的無向圖為GY(VY，EY)，對應的鄰接矩陣為AY。

3.1.3 Wendy Aguilar和GTM方法

利用Wendy Aguilar提出的GTM方法可以剔除誤匹配點，該方法認為應用一個簡單的結構標準進行迭代可以較高概率地剔除誤匹配點。2個點集對應的鄰接矩陣的相似性定義為A=|AX－AY|。于是，2個圖中邊差別最大的列為

點對(xi，yi)被似作誤匹配對，在圖GX和GY中分別剔除這2個節點后利用剩下的節點重新計算中值K-NN圖的鄰接矩陣，進一步尋找誤匹配點，直到A(i，j)＜ε。剔除誤匹配后得到的2個點集重新整理后表示為 X'={x1'，x2'，L，xk'}和 Y'={y1'，y2'，L，yk'}，其中 k ＜n，用該已知的匹配點集估計TPS模型參數。

3.2 TPS模型參數

利用剔除誤匹配后的匹配對估計TPS模型參數，TPS插值函數f(x，y)滿足最小化如式(5)所示的彎曲能量函數的條件。并且具有如下閉合形式的解:

式中:U(r)=r2ln r2為核函數。TPS的系數a和w為以下線性方程的解:

式中:Kij=U(‖(xi，yi)－ (xj，yj)‖)，P 的第 i行為，w 和 z是分別由 wi和 zi成的列向量，a=(a1，ax，ay)T。

通過以上算法，使最小化2個形狀之間總的匹配代價即可獲得初始匹配，并根據計算值的函數關系排列出與目標對象相似度的排列順序，以供設計者或消費者選擇，實現從海量數據庫里快速找到相匹配的服裝款式，為設計師和消費者節省大量時間。

3.3 智能配搭設計實驗后續工作

基于服裝構成要素的圖像識別和智能配搭設計模型，對女式套裝進行實驗性配搭設計，如圖7所示。在“Choose”上傳單品圖片搜索框中輸入客供參考圖指令，在“Status”中出現上傳款式，按要求點擊“上裝”或“下裝”及下拉菜單中的“單”或“組”，點擊“Start”，計算機在運行約20 s后出現圖8畫面，將目標圖從10000張圖的數據庫中按款式近似度排序出現在瀏覽框中，結果顯示工作快速高效，目標清晰準確。

圖7 單品搜索效果Fig.7 Item search results

智能配搭設計是是智能設計的第一步，也是最重要的一步，接下去將會做進一步細化功能設計，具體進入到部件配搭設計、材質配搭設計、工藝配搭設計等工作程序中。使設計師從繁瑣的實務性工作中解放出來，發揮更大的創意才能作用，他們的價值更多得將體現在對設計方案策劃(發出指令)，對設計結果的判斷和甄選，從而減少設計工作中的時間成本，提高常規設計效率。

圖8 自動搜索組合匹配效果Fig.8 Automatic search combination matching effect

4 結論

本文從服裝設計專業角度出發，對適用于計算機程序運行的服裝構成要素和法則作了初步梳理和構建，對圖像識別技術運算理論框架和通路進行了探討和論證。結果證明:以設計師思維和工作路徑為線索，通過對構成要素圖形識別和特征值跟蹤計算，從海量數據庫中智能抓取目標對象，實現智能設計的構想是可行且有現實意義。

本文研究作為智能化設計集成系統的核心組件，可以與CAD、AUTO CAD、移動APP、三維試衣等系統進行鏈接，形成服裝智能設計集成系統，適用于中小企業產品開發設計師、住店設計師、個人衣櫥形象師、商店高級導購者等使用。

［1］ 朱菊香，田玉玲.服裝平面款式圖的識別與程序實現［J］.紡織科技進展，2008(5):89－91.ZHU Juxiang，TIAN Yuling.Identity and achievement of 2D fashion drawing［J］.Progress in Textile Science ＆Technology，2008(5):89－91.

［2］ 王燕珍.服裝款式識別數字化表現原則［J］.紡織學報，2007，28(12):94 －106.WANG Yanzhen.Digital principles for identification of garment styles［J］.Journal of Textile Research，2007，28(12):94－106.

［3］ CHENG CI，LIU D S.An intelligent clothes search system based onfashion styles［C］ //In Proceedings of the 7th International Conference on Machine Learning and Cybernetics，Kunming:Yunnan University，2008:1592－1597.

［4］ ZHANG D S，LU G J.Review of shape representation and description techniques［J］.Pattern Recognition，2004，37(1):1 －19.

［5］ 李繼云.智能款式設計系統研究與實現［D］.上海:東華大學，2003:6 －9.LI Jiyun.Study and realization of intelligent fashion design system［D］.Shanghai:Donghua University，2003:6－9.

［6］ 錢素琴.智能化服裝款式設計系統的研究［D］.上海:東華大學，2004:10－12.QIAN Suqin.Study of intelligent fashion design system［D］.Shanghai:Donghua University，2004:20－25.

［7］ 紀曉燕，劉曉剛.服裝款式設計零部件數字化問題［J］.東華大學學報:自然科學版，2004，30(1):129－132.JI Xiaoyan，LIU Xiaogang.The problem of garment parts digitalization for style design ［J］.Journal of Donghua University:Natural Science Edition，2004，30(1):129－132.

［8］ 徐玥.基于風格理念的智能化服裝款式設計系統研究［D］.上海:東華大學，2007:35－42.XU Yue.Research on intelligent fashion design system based on style theory［D］. Shanghai:Donghua University，2007:35－42.

［9］ 李啟翮，羅予頻，蕭德云.基于流向標量場與快速掃掠法的圖像分割［J］.自動化學報，2008，34(8):993－996.LI Qihe，LUO Yupin，XIAO Deyun.Flow direction scalar field and fast scanning method based image segmentation［J］. Acta Automatica Sinica，2008，34(8):993－99.

［10］ 羅磊.基于輪廓的形狀匹配方法研究［D］.長沙:國防科學技術大學，2010:38－43.LUO Lei.Research on contour based shape matching［D］. Changsha:National University of Defense Technology，2010:38－43.

Intelligent match design of intelligent collocation based on costume design elements and principles

XIA Fan1，2，LIU Xiang1
(1.School of Fashion Design＆ Engineering，Zhejiang Sci-Tech University，Hangzhou，Zhejiang 310018，China;2.Zhejiang Provincial Research Center of Clothing Engineering Technology，Hangzhou，Zhejiang 310018，China)

According to the demand of clothing design on the final style，the costume design practice from fashion designer was concluded，and the core elements and law of garment design was determined.Meanwhile，the design elements and principles were combined to make them logical for computer operation.By feature space clustering and illumination procession for clothing design graphic，the cutout，calculation of feature value tracking，image similar-type search，and intelligent matching arithmetic functions were completed.The results show that for the computer with the capability of image search and recognition program，if the possible sequence changes form of design elements and principles that possible occurred during designing process are implanted，the computer can quickly find out the target object in the vast database based on feature value size，and recommend，permutation and combination based on the human designer's thinking path.Finally supplement design can be quickly performed that comparable to the apparel design by the designer.

costume design;design element;design principle;image recognition;intelligent match

TS 941.2

A

10.13475/j.fzxb.20150200306

2015－02－02

2015－04－10

夏帆(1964—)，男，副教授。主要研究方向為服裝設計與服裝藝術研究。E-mail:xiafan_164453@126.com。