非接触式三维扫描技术的发展给人体测量带来了新的方法,越来越多的应用于服装生产与科学研究中。目前体型分类的研究虽然大多是用三维扫描仪获得人体数据,但是采用的都是二维数据(如围度、长宽度、曲率等)进行体型分类,在描述立体形态上存在一定的局限性。如何在满足消费者合体性需求的同时减少服装生产成本,是体型分类的意义所在。但是体型类别过多会造成基础纸样过于复杂,无形中增加企业的生产成本,因此需要用更少的基础原型纸样来满足更多消费者的体型特征。本课题从空间向量数据集入手,进行青年女性上体三维形态的分类。通过计算中心点到各横截面边界的向量模长区分上体形态,可以为体型分类提供新的思路。同时利用随机森林算法建立青年女性上体形态判别模型,最后针对国家号型标准中160/84A号型的3个细分类别生成服装原型样板。主要包括以下研究内容:1.以441名江浙地区青年女大学生作为实验对象,通过[TC]2三维扫描仪获得人体点云数据与基本尺寸数据;2.运用空间向量数据集进行青年女性上体体型分类,将每个样本的240个向量模长数,通过主成分分析提取11个特征长度,可以解释95.28%的特征,达到了较好的降维效果;3.采用夹角余弦的方法确定最佳聚类数,通过聚类分析将上体体型分为适中型,扁型,圆型3类,获得了每类细分体型在国标体型中所占比例,以“国标体型+细分体型”来描述不同体型的三维形态;4.通过空间向量模长区分上体体型,采用随机森林算法建立青年女性上体体型识别模型,根据测试样本的识别结果可以看出该模型的识别正确率较高,总体识别率达到了97.59%;5.针对人数最多的160/84A号型,建立原型样板在着装状态下与上体体型特征部位的对应关系,通过计算特征截面在人体外部的凸包长度估计对应原型样板长度,最后获得三类不同细分体型原型样板。