TÍNH CẤP THIẾT CỦA LUẬN ÁN
Trong những năm gần đây, công nghệ 3D đã trở thành một chủ đề nở rộ, đặc biệt trong ngành công nghiệp thời trang Sự phát triển của công nghệ điện toán đã thúc đẩy các nhà khoa học phát triển cửa hàng quần áo trực tuyến dưới dạng ứng dụng web Thời trang ảo đang thu hút nhu cầu mua sắm trực tuyến từ khách hàng thông minh Các nghiên cứu đã sử dụng kích thước cơ thể con người để tạo ra mô hình mới trong ngành may mặc, bắt đầu từ những năm 1980 với công nghệ hiển thị 3D Công nghệ thiết kế 3D, trí tuệ nhân tạo và thực tế ảo đã thúc đẩy sự bùng nổ của thời trang kỹ thuật số, phù hợp với xu hướng phát triển bền vững Các phần mềm như Optitex, V-Stitcher và CLO3D đang tiên phong trong việc tích hợp thiết kế và mô phỏng thời trang 3D, đồng thời cho phép đánh giá độ vừa vặn của trang phục Việc ứng dụng phần mềm thiết kế 3D ngày càng phổ biến tại Việt Nam, hứa hẹn một tương lai mới cho ngành công nghiệp thời trang toàn cầu và Việt Nam.
Ngành dệt may Việt Nam là một trong những ngành xuất khẩu chủ lực, với tốc độ tăng trưởng bình quân 10%/năm, cho thấy sự hội nhập toàn cầu mạnh mẽ Dự kiến từ 2021-2030, ngành sẽ phát triển theo chiều sâu, chuyển hướng sang phương thức sản xuất cao hơn như ODM và OBM, đồng thời nâng cao nội lực thiết kế để tăng giá trị sản phẩm Việc nghiên cứu và xây dựng mô hình 3D Avatar để tạo ra ma-nơ-canh kỹ thuật số theo vóc dáng người Việt Nam, tích hợp vào phần mềm thiết kế thời trang 3D, sẽ là giải pháp quan trọng giúp nâng cao năng lực cạnh tranh của ngành dệt may trong bối cảnh hội nhập thế giới.
Nghiên cứu ứng dụng công nghệ 3D trong ngành may cần dữ liệu quét 3D cơ thể người làm nguồn đầu vào Từ dữ liệu này, các tác giả có thể khám phá nhiều khía cạnh khác nhau, bao gồm đặc điểm vóc dáng, hình thể và phương pháp xây dựng mô hình 3D Avatar phục vụ cho thiết kế trang phục 3D Hơn nữa, các mẫu ma-nơ-canh truyền thống hiện nay không còn phù hợp với vóc dáng người Việt, gây khó khăn trong quy trình thiết kế và sản xuất.
Thiết kế trang phục và thử mẫu để đánh giá độ vừa vặn cho người Việt đang gặp khó khăn do chi phí đầu tư cao cho dữ liệu quét 3D Điều này làm cho việc nghiên cứu ứng dụng công nghệ 3D trong ngành may mặc và thời trang theo vóc dáng người Việt trở nên khó khăn hơn Do đó, việc phân loại vóc dáng cơ thể và ứng dụng vào phần mềm thiết kế cho người Việt Nam trở thành một nhu cầu cấp bách.
Trong những năm gần đây, các nhà khoa học Việt Nam đã tiến hành nhiều nghiên cứu về vóc dáng và đặc điểm hình thể của phụ nữ, học sinh và trẻ em Tuy nhiên, chưa có nghiên cứu nào tập trung vào nam giới trung niên từ 30-60 tuổi, độ tuổi mà vóc dáng có nhiều biến động do nhu cầu dinh dưỡng và công việc Nhóm tuổi này đóng vai trò quan trọng trong nền kinh tế và cần hoàn thiện hình ảnh cá nhân qua trang phục, đồng thời có nhu cầu và khả năng chi trả cho trang phục phù hợp Do đó, việc nghiên cứu vóc dáng và đặc điểm cơ thể của nam giới trong độ tuổi này là rất cần thiết.
Luận án này nghiên cứu phân loại hình dáng cơ thể nam trung niên từ 30-60 tuổi, nhằm đề xuất giải pháp thiết kế đáp ứng nhu cầu mặc đẹp và thoải mái của người tiêu dùng Kết quả sẽ bổ sung dữ liệu nhân trắc 2D và 3D, đồng thời đóng góp vào khoa học phân loại vóc dáng cơ thể nam trung niên Việt Nam Phương pháp xây dựng mô hình 3D Avatar bằng máy học sâu thể hiện sự tiên phong trong công nghệ hiện đại Sự liên kết giữa công nghệ may và công nghệ thông tin hứa hẹn tạo ra tương lai mới cho ngành công nghiệp thời trang toàn cầu và ngành dệt may Việt Nam, đặc biệt trong nghiên cứu thiết kế thời trang và phát triển sản phẩm.
MỤC TIÊU NGHIÊN CỨU CỦA LUẬN ÁN
- Nghiên cứu phân loại vóc dáng nam trung niên Thành phố Hồ Chí Minh
Xây dựng ma-nơ-canh kỹ thuật số phù hợp với vóc dáng người Việt Nam giúp cải thiện trải nghiệm thiết kế thời trang Ứng dụng này có thể được sử dụng làm Avatar trong các phần mềm thiết kế trang phục 3D, mang lại sự tiện lợi và chính xác cho các nhà thiết kế.
NỘI DUNG NGHIÊN CỨU CỦA LUẬN ÁN
- Nội dung 1: Phân loại và phân tích đặc điểm vóc dáng nam trung niên Thành phố Hồ Chí Minh từ dữ liệu quét 3D
- Nội dung 2: Nghiên cứu xây dựng mô hình 3D Avatar cơ thể người từ dữ liệu quét 3D theo vóc dáng nam trung niên Thành phố Hồ Chí Minh.
PHƯƠNG PHÁP NGHIÊN CỨU CỦA LUẬN ÁN
Nội dung nghiên cứu được thực hiện bằng các phương pháp sau:
Phương pháp phân tích và tổng hợp bao gồm việc nghiên cứu và phân tích các tài liệu, công trình khoa học liên quan ở Việt Nam và quốc tế Qua đó, chúng tôi sẽ nhận xét và đánh giá những vấn đề còn tồn tại trong lĩnh vực này Từ những phân tích đó, luận án sẽ được định hướng nghiên cứu phù hợp với điều kiện thực tiễn tại Việt Nam.
- Phương pháp nghiên cứu thực nghiệm cho từng nội dung cụ thể
Nghiên cứu phân loại vóc dáng cho nam trung niên tại TP.HCM được thực hiện nhằm xây dựng dữ liệu cho Avatar 3D, sử dụng phương pháp điều tra cắt ngang dữ liệu nhân trắc Quá trình thực nghiệm gồm ba giai đoạn: đầu tiên là thu thập và mô tả đặc trưng thống kê dữ liệu nhân trắc 3D; tiếp theo là phân loại vóc dáng của 1106 nam giới tại TP.HCM, với dự đoán sẽ có sự khác biệt về vóc dáng theo độ tuổi; và cuối cùng là phân loại vóc dáng cho 378 nam trung niên tại TP.HCM.
Việc thu thập dữ liệu 3D và mô tả đặc trưng thống kê các kích thước cơ thể thông qua các chỉ số như giá trị trung bình, trung vị, độ lệch chuẩn, giá trị lớn nhất, giá trị nhỏ nhất, độ nhọn và phân vị là rất quan trọng Đồng thời, cần xác định phân phối chuẩn của các kích thước cơ thể Các bước thực nghiệm bao gồm chuẩn bị thiết bị đo kích thước cơ thể 2D và 3D, cụ thể là máy quét 3D Size Streamer tại trường Đại học Công nghiệp TPHCM, lập kế hoạch quét 3D cho các đối tượng nghiên cứu và mô tả đặc trưng thống kê các kích thước cơ thể phục vụ cho nghiên cứu vóc dáng và xây dựng Avatar 3D.
Nghiên cứu đã phân loại vóc dáng của 1106 nam giới trong độ tuổi lao động, bao gồm sinh viên, công nhân, cán bộ và giảng viên đến từ các trường Đại học và Cao đẳng.
Kết quả mô tả dữ liệu từ 1106 người tại TP Hồ Chí Minh là cần thiết cho nghiên cứu phương pháp xây dựng Avatar ban đầu Quy trình thực nghiệm bao gồm các bước như phân tích nhân tố chính, kiểm định KMO và Bartlett’s, phân tích phân nhóm K-mean, phân tích biệt số, và so sánh bằng ANOVA hoặc T-test Cuối cùng, tỷ lệ liên hệ giữa các kích thước cũng được tính toán, với dữ liệu được xử lý trên phần mềm SPSS.
Nghiên cứu phân loại vóc dáng cho 378 nam trung niên tại TP.HCM tập trung vào việc phân tích sự đa dạng vóc dáng trong độ tuổi này Các bước thực nghiệm đã được thực hiện để phân loại vóc dáng và đặc điểm cơ thể Kết quả thu được từ dữ liệu và đặc trưng cơ thể của từng vóc dáng sẽ được sử dụng làm cơ sở để xây dựng đa dạng Avatar 3D, phản ánh sự phong phú về vóc dáng của nam trung niên tại TP Hồ Chí Minh.
Để xây dựng Avatar 3D, nghiên cứu sinh đã tiến hành nghiên cứu ba phần quan trọng: đầu tiên là áp dụng phương pháp toán học nội suy, tiếp theo là sử dụng máy học chuyên sâu, và cuối cùng là kiểm tra ảo áo dài cho mô hình 3D Avatar với vóc dáng nam trung niên đã được phát triển.
Chúng tôi đề xuất một phương pháp thiết kế mô hình 3D bằng cách sử dụng nội suy toán học, nhằm hình thành các hàm biến dạng để tái tạo cơ thể người 3D từ các thông số kích thước 2D và 3D Ý tưởng chính là phân chia cơ thể 3D thành các phần nhỏ, từ đó thiết lập các tham số cần thiết cho việc nội suy từng phần Cuối cùng, các phần này được ghép lại để tạo thành một mô hình 3D hoàn chỉnh của cơ thể người.
Các đám mây điểm và mắt lưới là yếu tố quan trọng trong việc xây dựng mô hình 3D Luận án này giới thiệu phương pháp mới để tạo đám mây điểm từ các thông số kích thước cơ thể Để khám phá mối quan hệ giữa hình dạng và kích thước, phương pháp cấu trúc lát mỏng (slice-structure) được trình bày Một mô hình học tập dựa trên Mạng nơ-ron tích chập (CNN) được thiết kế và điều chỉnh để phù hợp với dữ liệu Các lát cắt chính được tạo ra bằng cách khớp với chiều cao xác định trước, sau đó toàn bộ đám mây điểm được điều chỉnh bởi Mạng nơ-ron tích chập.
+ Sau khi có kết quả mô hình 3D Avatar, nhập Avatar vào phần mềm CLO3D để thiết kế, may ảo, thử ảo sản phẩm.
Ý NGHĨA KHOA HỌC CỦA LUẬN ÁN
1) Đã xây dựng được phương pháp tiên tiến có độ chính xác cao để thu thập được dữ liệu 3D của 1106 nam giới TP HCM tuổi từ 18-60
Đã kết hợp khoa học nhân trắc và thiết kế thời trang để thu thập kích thước cơ thể từ dữ liệu 3D, đồng thời áp dụng các công cụ toán thống kê nhằm phân tích dữ liệu, phục vụ cho việc phân loại vóc dáng của nam trung niên Việt Nam.
Dữ liệu đầu vào được lấy từ nghiên cứu về kích thước 2D và vóc dáng 3D của nam trung niên tại TP HCM Dựa trên cơ sở khoa học nhân trắc, các bài toán phân tích thành phần chính được xây dựng, kết hợp với phương pháp máy học sâu và toán học nội suy để giải quyết Mục tiêu cuối cùng là xây dựng mô hình 3D Avatar phù hợp với cơ thể nam trung niên TP HCM, có khả năng kết nối với phần mềm thiết kế thời trang CLO3D hiện có.
GIÁ TRỊ THỰC TIỄN CỦA LUẬN ÁN
Bộ dữ liệu nhân trắc 2D và 3D của 1106 nam giới trung niên tại Thành phố Hồ Chí Minh, trong độ tuổi từ 18 đến 60, được thu thập bằng thiết bị quét cơ thể, đóng góp quan trọng cho sự phát triển ngành thời trang may sẵn tại Việt Nam.
Việc xây dựng thành công Avatar 3D và kết nối nó với phần mềm thiết kế thời trang CLO3D đã mở ra ứng dụng mới trong lĩnh vực thiết kế thời trang Sự thành công này không chỉ nâng cao khả năng sáng tạo mà còn góp phần thúc đẩy công nghệ thiết kế thời trang 3D tại Việt Nam.
ĐIỂM MỚI CỦA LUẬN ÁN
1) Đã xây dựng được bộ dữ liệu 2D và 3D cơ thể người từ 30 đến 60, nam trung niên Thành phố HCM Phân loại được thành 5 vóc dáng.
Xây dựng Avatar 3D cho nam trung niên tại Thành phố Hồ Chí Minh bằng phương pháp nội suy toán học, kết nối với phần mềm thiết kế thời trang CLO3D Ứng dụng Avatar mới trong thiết kế thời trang góp phần thúc đẩy ngành Công nghệ dệt may và Thiết kế thời trang tại Việt Nam.
3) Đã ứng dụng phương pháp máy học sâu để xây dựng Avatar 3D.
KẾT CẤU CỦA LUẬN ÁN
- Chương 1: Tổng quan về phân loại vóc dáng, đặc điểm nhân trắc nam giới và mô phỏng mô hình 3D cơ thể người
- Chương 2: Đối tượng, nội dung và phương pháp nghiên cứu
- Chương 3: Kết quả nghiên cứu và bàn luận
NGHIÊN CỨU TỔNG QUAN
Tổng quan về phân loại vóc dáng cơ thể nam giới
Cuộc cách mạng công nghiệp 4.0 đã thúc đẩy sự phát triển của mua sắm trực tuyến, đặc biệt trong bối cảnh dịch Covid-19 tác động mạnh đến ngành thời trang Việc áp dụng công nghệ thiết kế 3D và thử đồ ảo đã trở nên phổ biến, trong đó phân loại và xác định hình dạng cơ thể khách hàng là chìa khóa để tạo ra sản phẩm vừa vặn hơn Để tối ưu hóa ứng dụng phần mềm thiết kế 3D cho ngành may mặc tại Việt Nam, cần xây dựng thư viện Avatar ảo phản ánh đặc điểm nhân trắc học của từng nhóm đối tượng Nghiên cứu vóc dáng do đó đóng vai trò quan trọng trong việc phát triển công nghệ may và thời trang không chỉ ở Việt Nam mà còn trên toàn cầu.
Thị trường may mặc Việt Nam đang phát triển mạnh mẽ với sự xuất hiện của nhiều sản phẩm từ các công ty trong nước, bên cạnh các thương hiệu quốc tế Tuy nhiên, kích cỡ sản phẩm thường không phù hợp với vóc dáng người Việt Nghiên cứu đã chỉ ra rằng hình dáng cơ thể có ảnh hưởng lớn đến thiết kế trang phục Việc phân loại hình dáng cơ thể giúp nhà thiết kế nhận diện đặc trưng cơ thể, từ đó đề xuất phương pháp thiết kế hoặc điều chỉnh sản phẩm cho phù hợp với người mặc.
Hình 1.1: Hình ảnh mặc thử trang phục ảo
Hình dạng bên ngoài của cơ thể người có mối liên hệ chặt chẽ với phương pháp thiết kế và tạo dáng quần áo, như đã được khẳng định bởi 7 áo trong và ngoài nước.
Mẫu áo trước khi điều chỉnh Mẫu áo sau khi điều chỉnh
Hình 1.2: Mẫu áo cơ sở trước và sau khi điều chỉnh
Nghiên cứu về cơ thể người cho thấy sự phát triển không đồng đều của các bộ phận theo thời gian và ảnh hưởng của không gian, địa lý, và chủng tộc đến đặc điểm hình thái cơ thể Sự khác biệt về tỷ lệ và đặc điểm cơ thể không chỉ tồn tại giữa các chủng tộc mà còn giữa các cá nhân trong cùng một dòng họ Mặc dù đã có nhiều nghiên cứu về số liệu nhân trắc học ở Việt Nam, đặc biệt là ở nam và nữ qua các lứa tuổi, nhưng vẫn còn thiếu các nghiên cứu về vóc dáng và đặc điểm cơ thể của nam giới trong độ tuổi trung niên từ 30-60 tuổi.
1.1.1 Phương pháp xác định thông số kích thước cơ thể
Có hai phương pháp chính để xác định thông số kích thước cơ thể: phương pháp đo tiếp xúc bằng bộ dụng cụ đo Martin và phương pháp đo không tiếp xúc như quét 3D Công cụ thước đo Martin, do Rudolf Martin phát minh, đã được áp dụng trong thống kê nhân trắc từ những năm 1900-1925 Hiện nay, thước đo Martin vẫn được sử dụng rộng rãi trong các nghiên cứu khoa học và khảo sát nhân trắc quy mô lớn tại Việt Nam.
Máy quét 3D đầu tiên được sử dụng để sao chép cơ thể con người được sản xuất tại Loughborough vào cuối những năm 80, là một máy quét bóng có khả năng chụp đường viền cơ thể nhưng không ghi lại các chi tiết lõm Đến đầu những năm 90, công ty Cyberware nhận thấy nhu cầu về bản sao 3D trong ngành công nghiệp điện ảnh Hollywood và bắt đầu phát triển công nghệ phục vụ cho lĩnh vực này Các nhà thiết kế thời trang và thợ may cũng gặp khó khăn trong việc kiểm tra sự phù hợp của trang phục cho diễn viên, dẫn đến sự phát triển mạnh mẽ của phần mềm thiết kế thời trang sử dụng mô hình quét 3D Hiện nay, nhiều máy quét 3D toàn thân như Hamamatsu, Vitronic, Telmat và SizeStream đã được sử dụng rộng rãi, cho phép thu thập kết quả đo không tiếp xúc với độ chính xác cao, bao gồm cả hình dạng đám mây điểm ảnh 3D Phương pháp này ngày càng phổ biến trên toàn cầu, mang lại lợi ích trong việc lưu trữ và kế thừa dữ liệu kích thước 2D và 3D.
8 đối với các nghiên cứu về cơ thể người, về thiết kế trang phục đảm bảo độ vừa vặn theo vóc dáng [39, 44]
(a) Hình ảnh máy quét 3D đầu tiên; (b) Hình ảnh quét 3 mặt cơ thể
Hình 1.3: Hình ảnh máy quét 3D cơ thể người
Bộ dữ liệu 2D và 3D của CAESAR được coi là nguồn tài liệu tham khảo quý giá trong nghiên cứu mô hình 3D cơ thể nam giới, đặc biệt với các mốc nhân trắc 3D có hình ảnh mô tả rõ ràng vị trí trên cơ thể từ nhiều góc độ khác nhau Dữ liệu 3D của CAESAR đại diện cho số đo của công dân Châu Mỹ và Châu Âu, được thống kê từ những số đo thực tế.
Nghiên cứu CAESAR đã thu thập dữ liệu từ 2400 công dân Mỹ và Canada cùng 2000 công dân Châu Âu, với sự phân bổ đa dạng về công việc và chủng tộc Nghiên cứu này xác định 74 kích thước cơ thể, bao gồm cả số đo bên trái và bên phải, cũng như yêu cầu tư thế đứng và ngồi Trong thiết kế trang phục và Avatar trong phần mềm, xu hướng thiết kế tập trung vào cơ thể đối xứng, do đó, số đo trung bình của hai bên cơ thể được sử dụng để xử lý dữ liệu và dựng hình.
Việc xác định mốc nhân trắc chính xác là bước khởi đầu quan trọng để đảm bảo độ chính xác của bộ dữ liệu kích thước cơ thể người Trong bất kỳ nghiên cứu khoa học nào về nhân trắc, việc xác định các mốc này phải được đặt lên hàng đầu Các mốc nhân trắc này được tự động trích xuất từ máy quét 3D của CAESAR, như mô tả trong hình 1.4 – 1.7.
Hình 1.4: Các mốc nhân trắc ở phần trên cơ thể, mặt trước
Hình 1.5: Các mốc nhân trắc ở phần dưới cơ thể, mặt trước
Hình 1.6: Các mốc nhân trắc ở phần trên cơ thể, mặt nghiêng
Hình 1.7: Các mốc nhân trắc ở phần trên cơ thể, mặt sau
Số lượng kích thước cơ thể trong các nghiên cứu được điều chỉnh theo mục tiêu cụ thể Su Joung Cha đã nghiên cứu phân loại hình dáng nam giới trưởng thành Hàn Quốc dưới 170 cm, trong độ tuổi từ 20 đến 60, với 65 kích thước được chọn, bao gồm 11 kích thước chiều cao, 19 chiều dài, 19 chu vi, 6 chiều rộng, 6 độ dày, 2 nghiêng vai, cùng với cân nặng và BMI Hana Lee nghiên cứu vóc dáng cơ thể béo phì của nam giới Hàn Quốc trong độ tuổi 30 và 40, sử dụng 40 kích thước cơ thể Keiko Wantanabe đã phân loại vóc dáng cơ thể của đàn ông Nhật Bản.
Để thiết kế quần áo cho độ tuổi từ 20 đến 70, 67 kích thước được đo bằng thước đo chiều cao Martin và thước dây Người mẫu cần giữ tư thế đứng tự nhiên, với hai bàn chân cách nhau 20cm và cánh tay chếch khoảng 20 độ Đường thẳng nối gót chân trái và gót chân phải phải song song với trục X Lim và các cộng sự đã nghiên cứu phân loại các kiểu cơ thể của đàn ông Trung Quốc tại Bắc Kinh và Thượng Hải, với danh sách đo lường tổng cộng 38 kích thước, bao gồm 6 kích thước về chiều cao.
Bài viết này đề cập đến các kích thước đa dạng, bao gồm 4 kích thước về chiều rộng, 3 kích thước về độ dày, 8 kích thước về chu vi, 14 kích thước về chiều dài, 2 kích thước về góc và 1 kích thước về trọng lượng Những thông tin này giúp người đọc hiểu rõ hơn về các đặc điểm kích thước cần thiết trong lĩnh vực liên quan.
Trong ngành công nghiệp may, nhân trắc học đóng vai trò quan trọng với hai chỉ tiêu chính: nhân trắc tĩnh và nhân trắc động Nhân trắc tĩnh cung cấp dữ liệu cho việc định hình Avatar ảo đứng thẳng trong phần mềm thiết kế trang phục 3D, trong khi nhân trắc động hỗ trợ tạo ra Avatar ảo với tư thế bước đi thời trang (catwalk) Các nghiên cứu nhân trắc toàn cầu thường tuân theo tiêu chuẩn quốc tế như ISO/TRI 10652:1991, JIS L 4005:2001, và KS K 0051:2004 Tại Việt Nam, các nghiên cứu về nhân trắc may mặc dựa trên tiêu chuẩn TCVN5781-2009, được xây dựng từ tiêu chuẩn ISO 8559-1:2009, đảm bảo tính thống nhất và độ tin cậy cao Thêm vào đó, các nghiên cứu về nhân trắc học lao động cũng tham khảo Atlas nhân trắc học người lao động Việt Nam, bao gồm các dấu hiệu nhân trắc tĩnh và động.
1.1.2 Phương pháp phân loại vóc dáng cơ thể người
Nghiên cứu phân loại vóc dáng là một yếu tố quan trọng trong việc nâng cao độ vừa vặn trang phục cho người mặc, đã được thực hiện từ nhiều thập kỷ trước với các phương pháp từ đơn giản đến phức tạp Ban đầu, vóc dáng được phân loại dựa trên hình dạng tư thế cơ thể, sau đó, các nhà khoa học đã áp dụng phương pháp phân loại dựa trên tỷ lệ kích thước cơ thể và chỉ số tương quan kích thước Gần đây, với sự phát triển của dữ liệu 2D và 3D cùng các phần mềm xử lý số liệu thống kê, phương pháp phân loại vóc dáng dựa trên xử lý số liệu thống kê đã được công nhận có độ tin cậy cao.
1.1.2.1 Phân loại vóc dáng theo đặc trưng hình dạng cơ thể a) Phân loại theo tư thế của cơ thể
Khi phân loại vóc dáng dựa trên tư thế cơ thể, yếu tố chính được xem xét là độ cong của cột sống và mối tương quan giữa viền trước và sau của cơ thể.
Hình 1.8: Phân loại vóc dáng theo tư thế đứng của cơ thể người
Người ta chia tư thế đứng cơ thể thành 3 dáng: bình thường, gù và ưỡn [34] Đặc điểm của mỗi dáng được mô tả như sau:
Tổng quan về ứng dụng công nghệ 3D tạo mô hình 3D Avatar trong ngành công nghiệp dệt may
Công nghệ 3D, được phát triển từ các phần mềm máy tính, cho phép người dùng quan sát hình ảnh trong không gian ba chiều Ứng dụng của công nghệ này rất đa dạng và phong phú.
Công nghệ 20 đã được áp dụng hiệu quả trong nhiều lĩnh vực như Y học, xây dựng, kiến trúc, phim ảnh, trò chơi, mô phỏng đào tạo, công nghệ may và thiết kế thời trang.
Các nhà nghiên cứu trong và ngoài nước đã tiến hành nhiều nghiên cứu về ứng dụng công nghệ 3D trong ngành may mặc và thiết kế thời trang, từ những phương pháp đơn giản đến phức tạp Luận án này tổng hợp và phân loại các công trình khoa học trước đó thành ba nhóm nghiên cứu khác nhau.
Nhóm thứ nhất nghiên cứu mô hình 3D sản phẩm quần áo từ dữ liệu quét 3D cơ thể
Nhóm thứ hai dùng các phương pháp nội suy toán học hay hồi quy từ dữ liệu quét 3D để xây dựng mô hình 3D
Nhóm cuối cùng dùng phương pháp máy học, mà đặc biệt là máy học sâu xây dựng mô hình 3D Avatar cơ thể người từ dữ liệu quét 3D
1.2.1 Nghiên cứu xây dựng mô hình 3D sản phẩm từ dữ liệu quét 3D cơ thể người
Nghiên cứu của Park Soonjee và Miyoshi Machiko năm 2003 đã sử dụng dữ liệu quét 3D để phát triển lý thuyết làm trơn bề mặt cơ thể bằng cách điều chỉnh các điểm lõm của da đến vị trí ngang bằng với các điểm lồi gần nhất Nguyên lý này được áp dụng để xây dựng bề mặt cho trang phục áo bó sát, với quá trình thiết kế đi từ điểm lồi này sang điểm lồi khác, như từ đỉnh ngực trái sang đỉnh ngực phải Tương tự, phần lưng dọc theo cột sống cũng được điều chỉnh để tạo hình lồi Kết quả cho thấy tại mỗi mặt cắt ngang của cơ thể, như vòng eo, vòng bụng, vòng ngực, đều có sự kết hợp giữa một hình chữ nhật ở giữa và hai nửa vòng tròn hai bên Nguyên lý tạo bề mặt 3D cho sản phẩm áo ôm đã được mở rộng thành mô hình 3D cho áo dài nữ và các sản phẩm áo dáng ôm với nhiều chi tiết thiết kế khác nhau.
Vào năm 2007, Wang Zhaohui đã nghiên cứu độ vừa vặn của áo vét nữ dạng X-line bằng công nghệ 3D, xác định khoảng cách giữa bề mặt cơ thể và mặt trong của vải, cùng với khái niệm REA (Radial Ease Allowance) cho lượng dư cử động từng phần Công thức tính toán REA được xây dựng dựa trên kết quả đo thực nghiệm Nghiên cứu bao gồm các bước: thiết kế áo vét bằng cách phủ vải lên ma-nơ-canh, quét ma-nơ-canh không mặc áo, quét ma-nơ-canh mặc áo đã thiết kế, chồng hai hình quét và đo khoảng cách REA, và cuối cùng là xây dựng phương trình toán học cho REA Quá trình nghiên cứu yêu cầu sử dụng máy quét 3D hai lần và may mẫu thực trên ma-nơ-canh Năm 2009, Jihong Xu và Wenbin Zhang đã kế thừa nghiên cứu này để tính toán lượng dư cử động từng phần.
Khi làm việc với ma-nơ-canh, cần chú ý đến 21 sản phẩm được thiết kế từ nhiều chất liệu khác nhau Tác giả phải thực hiện quy trình quét ma-nơ-canh hai lần và may mẫu thực tế cho từng loại chất liệu.
Năm 2012, Pingying Gu và các cộng sự đã nghiên cứu thiết kế mẫu váy bó sát cho phụ nữ dựa trên dữ liệu đám mây điểm 3D của 100 nữ sinh đại học Soochow Hàn Quốc Họ sử dụng phần mềm Imageware cùng máy quét 3D Symcad của Telmat để thu thập dữ liệu cơ thể và đo các thông số thủ công Nghiên cứu phân tích và tối ưu các đặc điểm phần thân dưới của phụ nữ trẻ, xác định mối quan hệ giữa chiều cao cơ thể và các thông số như chiều cao eo, bụng, hông Kết quả phân loại kích thước cơ thể dựa trên tỷ lệ chiều dày và chiều rộng của các vùng này, đồng thời đưa ra sự tương ứng giữa đường cấu trúc trên mẫu thiết kế váy bó sát và dữ liệu nhân trắc phần thân dưới.
Năm 2009, hệ thống máy quét 3D cơ thể người lần đầu tiên được nhập về Việt Nam và đặt tại Viện nghiên cứu Dệt May Việt Nam, 478 Minh Khai, Hà Nội Sự kiện này mở ra cơ hội vàng cho các nhà khoa học trong lĩnh vực may và thời trang Việt Nam, giúp họ thu thập dữ liệu 3D về cơ thể người Việt Nam để phục vụ cho nghiên cứu và ứng dụng trực tiếp.
Năm 2012, một luận án đã phát triển bề mặt trang phục 3D với lượng dư cử động tối thiểu cho áo dáng ôm theo vóc dáng phụ nữ Việt Nam Nghiên cứu sử dụng dữ liệu 3D từ quá trình quét cơ thể để tạo ra bề mặt trang phục bó sát Tác giả đã đề xuất hai phương pháp xác định khoảng cách giữa bề mặt cơ thể và bề mặt trang phục, bao gồm phương pháp cộng từng phần và phương pháp cộng đều lượng dư cử động Phương pháp cộng đều được chứng minh có độ tin cậy cao và thực hiện đơn giản Kết quả nghiên cứu này đã được ứng dụng vào thiết kế mẫu cơ sở cho trang phục nữ, điều chỉnh theo đa dạng vóc dáng của phụ nữ Việt Nam.
Năm 2012, Thảo P.T và cộng sự đã phát triển một hệ thống ma-nơ-canh cho trẻ em trai và gái, ứng dụng thiết kế thời trang dành cho học sinh tiểu học từ dữ liệu quét 3D Nghiên cứu này đã được đánh giá cao trong ngành công nghiệp, giúp giải quyết tình trạng thiếu ma-nơ-canh trẻ em trên thị trường lúc bấy giờ.
Năm 2013, Quyên N.N và cộng sự đã nghiên cứu trích xuất 33 mốc đo từ mặt trước và 29 mốc đo từ mặt nghiêng của cơ thể nam sinh viên tuổi 18-24 từ ảnh chụp 2D Các mốc đo này được ứng dụng để xây dựng mô hình cơ thể người 3D thông qua thuật toán tính kích thước cơ thể 3D.
Vào năm 2015, Tùng N.T và các cộng sự đã phát triển công thức cho các đường cong ngang của lưới cơ sở chân váy nữ sinh Việt Nam bằng cách ứng dụng công nghệ 3D nhằm phục vụ cho nghiên cứu mô hình.
Bài viết trình bày 22 hình ảnh mô phỏng bề mặt của chân váy nữ bó sát dựa trên các ảnh quét 3D cơ thể Bằng cách sử dụng các đường cơ sở chân váy nữ từ mẫu quét 3D thực nghiệm, tác giả đã xây dựng công thức toán học cho các đường cong ngang 3D của lưới trang phục Kết quả đạt được là một lưới trang phục hoàn chỉnh cho chân váy bó sát.
Năm 2019, Lưu Hoàng đã nghiên cứu dữ liệu quét 3D cơ thể người không có quần áo và có quần áo để xác định thông số D-text, phản ánh mối liên hệ giữa lưới điểm bề mặt cơ thể và lưới điểm bề mặt quần áo Khoảng cách D-text giữa các điểm tương ứng của hai lưới này là cơ sở cho thiết kế quần áo 3 chiều Nghiên cứu cũng phát triển thuật toán và phần mềm ứng dụng tạo lưới bề mặt quần áo từ bề mặt cơ thể dựa trên kết quả D-text, giúp mô phỏng chi tiết quần áo một cách chính xác.
Vào năm 2019, Nguyễn Quốc Toản đã thực hiện mô phỏng 3D cơ thể người và trang phục bằng cách sử dụng ảnh quét 3D kết hợp với ảnh chụp cắt lớp CT, tập trung vào phần thân dưới của nữ thanh niên Việt Nam trong độ tuổi 18-25 Nghiên cứu này tập trung vào ba khu vực chính: bụng, mông và đùi Kết quả đạt được là mô hình mô phỏng chi tiết từng phần cơ thể và thực nghiệm xác định áp lực tiện nghi của quần bó sát lên cơ thể người.
NỘI DUNG, ĐỐI TƯỢNG, PHƯƠNG PHÁP NGHIÊN CỨU
Mục tiêu nghiên cứu
- Có được phân loại vóc dáng nam trung niên Thành phố Hồ Chí Minh
Xây dựng ma-nơ-canh kỹ thuật số phù hợp với vóc dáng người Việt Nam giúp tối ưu hóa quá trình thiết kế trang phục Ứng dụng này cho phép sử dụng Avatar trong các phần mềm thiết kế 3D, mang lại trải nghiệm thực tế và chính xác hơn cho người dùng.
Đối tượng và phạm vi nghiên cứu
2.2.1 Đối tượng nghiên cứu: Để hoàn thành được mục tiêu nghiên cứu của đề tài, hai nhóm đối tượng được nghiên cứu là:
Để phân loại vóc dáng nam trung niên tại Thành phố Hồ Chí Minh, nghiên cứu sử dụng dữ liệu kích thước 2D và đám mây điểm 3D của 378 nam giới văn phòng Dữ liệu này phục vụ cho việc nghiên cứu và thử nghiệm độ vừa vặn của trang phục cho đối tượng nam trung niên.
Để xây dựng Avatar 3D phù hợp với vóc dáng người Việt Nam trong các phần mềm thiết kế trang phục 3D, luận án sử dụng dữ liệu 2D và 3D về kích thước cơ thể của 1706 người Việt Nam, bao gồm cả nam và nữ Việc này là cần thiết để áp dụng phương pháp máy học chuyên sâu, vốn yêu cầu một lượng lớn dữ liệu 3D cho việc phát triển Avatar nam và nữ.
Nghiên cứu này tập trung vào việc phân loại vóc dáng và các đặc điểm nhân trắc của nam trung niên trong độ tuổi từ 30 đến 60, làm việc tại các văn phòng ở Thành phố Hồ Chí Minh Mục tiêu là hiểu rõ hơn về các chỉ số cơ thể và hình dáng của nhóm đối tượng này, từ đó có thể áp dụng vào các lĩnh vực như sức khỏe, thời trang và thể dục thể thao Kết quả nghiên cứu sẽ cung cấp thông tin quý giá cho các chuyên gia trong việc thiết kế sản phẩm và dịch vụ phù hợp với nhu cầu của nam trung niên tại đô thị lớn này.
- Nghiên cứu phương pháp xây dựng mô hình 3D Avatar cơ thể người ở trạng thái tĩnh theo kích thước và vóc dáng người Việt Nam.
Nội dung nghiên cứu
- Nội dung 1: Phân loại và phân tích đặc điểm vóc dáng nam trung niên (30÷60 tuổi) Thành phố Hồ Chí Minh từ dữ liệu quét 3D
+ Nghiên cứu xây dựng mô hình 3D Avatar cơ thể người từ dữ liệu quét 3D theo vóc dáng nam trung niên Thành phố Hồ Chí Minh
+ Ứng dụng Avatar được xây dựng để thiết kế một sản phẩm thời trang.
Phương pháp nghiên cứu
Nội dung nghiên cứu được thực hiện bằng các phương pháp sau:
Phương pháp phân tích và tổng hợp bao gồm việc nghiên cứu và phân tích các tài liệu, công trình khoa học trong và ngoài nước liên quan đến chủ đề nghiên cứu Qua đó, đánh giá và nhận xét các vấn đề còn tồn tại, từ đó định hướng nghiên cứu của luận án phù hợp với điều kiện thực tiễn tại Việt Nam.
- Phương pháp nghiên cứu thực nghiệm cho từng nội dung cụ thể, được trình bày từng phần như sau:
2.4.1 Phương pháp nghiên cứu thực nghiệm trong phân loại vóc dáng nam trung niên Thành phố Hồ Chí Minh Để phân loại vóc dáng nam trung niên TP.HCM làm dữ liệu đầu vào cho xây dựng Avatar 3D, luận án sử dụng phương pháp nghiên cứu điều tra cắt ngang dữ liệu nhân trắc Thực nghiệm phân loại vóc dáng cho nam giới được thiết kế 3 giai đoạn Giai đoạn 1 là thu thập dữ liệu 3D và mô tả đặc trưng thống kê dữ liệu các kích thước cơ thể người
Giai đoạn 2 của nghiên cứu tập trung vào việc phân loại vóc dáng của 1.106 nam giới tại TP.HCM trong độ tuổi từ 18 đến 60 Tiếp theo, giai đoạn 3 sẽ tiến hành phân tích sự đa dạng vóc dáng ở 378 nam trung niên tại TP.HCM.
2.4.1.1 Thu thập dữ liệu 3D và mô tả đặc trưng thống kê dữ liệu các kích thước cơ thể người
Thực nghiệm được thực hiện qua các bước sau:
+ Chuẩn bị thiết bị đo và hướng dẫn đo dữ liệu kích thước cơ thể 2D và 3D + Xác định cỡ mẫu
+ Xác định kích thước cơ thể sử dụng cho nghiên cứu vóc dáng và xây dựng mô hình 3D Avatar
Nghiên cứu về kích thước cơ thể người sử dụng các dụng cụ và thiết bị đo hiện đại để đảm bảo độ chính xác Cụ thể, thước đo chiều cao đứng nghiêm và cân nặng được thực hiện bằng cân đo sức khỏe InBody Bên cạnh đó, thiết bị thu thập dữ liệu quét 3D SizeStream SS14 của Mỹ, được đặt tại Phòng máy chất lượng cao của khoa May Thời Trang, Đại học Công nghiệp TP Hồ Chí Minh, cho phép đo không tiếp xúc Công trình khoa học này đã kiểm tra và đánh giá cao về độ chính xác và tin cậy của hệ thống quét SS14.
Để đảm bảo độ chính xác, chuyên viên điều hành máy cần thực hiện cân chỉnh máy trước mỗi buổi chạy hệ thống SS14 theo đúng hướng dẫn chuyển giao công nghệ.
Hình 2.2: Buồng quét máy 3D Size Stream đặt tại Phòng máy chất lượng cao của khoa
May Thời Trang, Đại học Công nghiệp TP Hồ Chí Minh
* Các thông số kỹ thuật của máy quét 3D toàn thân cơ thể Size Stream:
Với thể tích vùng quét lớn nhất trên thị trường, sản phẩm có kích thước chiều cao 2,1m và chiều rộng, chiều dài 1,2m, cho phép khách hàng dễ dàng tháo rời, vận chuyển và lắp ghép toàn bộ hệ thống máy quét.
+ Nguyên lý quét ánh sáng trắng an toàn với sức khỏe con người
+ Kết quả thu được là mô hình 3D hình dạng cơ thể; số đo kích thước 2D theo chủ ý nghiên cứu
Phần mềm máy quét 3D cho phép đo đến 210 kích thước trên cơ thể, giúp các nhà khoa học lựa chọn số đo phù hợp với mục tiêu nghiên cứu Để thu thập dữ liệu quét 3D một cách chính xác, cần tuân thủ quy trình chặt chẽ.
* Quy định đối với người được đo:
- Để giầy dép bên ngoài phòng đo
- Thực hiện đúng hướng dẫn của kỹ thuật viên đo: Người được đo thay đồ, chỉ mặc đồ lót, đi chân đất, tóc dài phải buộc gọn
- Tâm lý người được đo thoải mái
* Các bước tiến hành đo :
Bước 1: Thay trang phục đo theo đúng hướng dẫn sử dụng máy quét Đối tượng đo chỉ mặc quần quần lót ôm sát
Bước 2: Nhập thông tin cá nhân của người được đo vào máy tính kết nối với phòng quét 3D, bao gồm họ và tên, tuổi, địa chỉ cư trú, và nghề nghiệp Mỗi đối tượng sẽ được gán một mã số riêng.
Bước 3: Đo chiều cao, cân nặng bằng cân sức khỏe điện tử Inbody như hình 2.3
Thước đo được đặt cạnh máy tính để nhập thông tin cá nhân Sau khi thực hiện đo, chuyên viên sẽ ghi lại dữ liệu chiều cao và cân nặng vào file lưu trữ cho từng người mẫu trước khi họ vào buồng quét.
Bước 4: Người được đo vào buồng máy quét 3D, tư thế đứng đo như hình 2.4:
- Chân đặt đúng vào vị trí của 2 dấu bàn chân
- Người đứng thẳng tự nhiên cân xứng 2 bên, mắt nhìn thẳng phía trước thực hiện theo đúng hướng dẫn của người điều hành đo
- Hai tay nắm vào cần tay cầm (tay trong tư thế thẳng tự nhiên)
- Nhịp thở đều nhẹ nhàng
- Để đo chính xác các thông số, bụng phải để ở trạng thái tự nhiên không phình hoặc thóp bụng
Cán bộ đo ngồi tại bàn máy tính bên ngoài buồng đo, điều khiển máy hoạt động tự động Kỹ thuật viên sẽ kiểm tra kết quả và yêu cầu quét lại khi cần thiết.
Sau khi kiểm tra kết quả đo đạt yêu cầu, người được đo sẽ mặc lại quần áo và thực hiện các thủ tục xác nhận phép đo Quá trình đo sẽ kết thúc, và tên của người được đo sẽ được ghi lại trên dữ liệu 3D của họ.
Hình 2.3: Cân đo sức khỏe điện tử
Hình 2.4: Hình minh họa tư thế đứng trong buồng máy
Phần mềm máy quét cơ thể 3D của hãng Size Tream hỗ trợ thiết bị quét toàn thân người, cho phép lưu trữ hình ảnh cơ thể trên máy tính Sau khi quét, phần mềm tự động trích xuất kết quả đo và cho phép người dùng chỉnh sửa các khái niệm, mốc đo và kích thước theo yêu cầu.
- Sử dụng phương pháp nghiên cứu cắt ngang
- Cỡ mẫu ước lượng tính như sau:
Tính số lượng cỡ mẫu thường được áp dụng theo công thức [14, 21, 22, 36, 37, 40, 41]: n = 2
Trong đó: n: tập hợp mẫu cần xác định σ : độ lệch chuẩn
- m là sai số (m = 1, 2, 3, 4, 5 ) với m càng thấp thì độ chính xác của mẫu n càng cao - t là đặc trưng xác suất, được xác định theo P (P là mức xác xuất tin cậy)
Trong thực tế mức xác xuất tin cậy P được xác định như sau:
- Với các trường hợp nghiên cứu học sinh thì sử dụng mức xác suất P = 0,95 ứng với t = 1,96
Trong nghiên cứu nhân trắc học, độ lệch chuẩn (σ) của chiều cao đứng là một chỉ số quan trọng để xác định cỡ mẫu cho nghiên cứu hình thái cơ thể, cả trên thế giới và ở Việt Nam Nghiên cứu này đã lựa chọn chiều cao đứng để ước tính độ lệch chuẩn, bằng cách đo chiều cao của 30 nam trung niên ngẫu nhiên, và kết quả cho thấy độ lệch chuẩn là σ = 5,33cm.
Trường hợp nghiên cứu sử dụng mức xác suất P = 0,95 tương ứng với đặc trưng sác xuất có t = 1,96 Độ lệch chuẩn σ = 5,33cm
Thay t= 1,96, σ = 5,33cm, kích thước chủ đạo là chiều cao (cm), chọn sai số m
= 1cm để độ tin cậy lớn nhất, thay vào công thức (2.1) ta được 109,135( người)
Dựa vào công thức (2.1), số lượng người cần thiết để đảm bảo độ tin cậy tối thiểu là khoảng 109,135, tức là mỗi nhóm tuổi cần tối thiểu 110 người Theo tài liệu nhân trắc học người Việt Nam, nam giới trung niên được chia thành ba nhóm tuổi: 30-40, 41-50 và 51-60 Trong nghiên cứu, số lượng người được đo theo từng nhóm tuổi là 115 người cho nhóm 30-40 tuổi, 120 người cho nhóm 41-50 tuổi và 143 người cho nhóm 51-60 tuổi Tổng số mẫu tham gia đo 3D là 378 nam trung niên, vượt qua số lượng tối thiểu để đảm bảo độ chính xác và giảm thiểu ảnh hưởng của nhiễu.
Nghiên cứu này được thực hiện trên một mẫu ngẫu nhiên gồm nam trung niên từ các nhóm đối tượng như cán bộ, công nhân, viên chức, giáo viên và học viên, tất cả đều trong độ tuổi nghiên cứu Mẫu này đến từ các đơn vị khác nhau của trường Đại học và Cao đẳng tại TP Hồ Chí Minh Bên cạnh đó, các mốc nhân trắc và kích thước cơ thể cần thiết cho nghiên cứu cũng sẽ được xác định rõ ràng.
KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
Kết quả bộ dữ liệu số đo 2D và 3D cơ thể người
Luận án đã thu thập 1106 bộ dữ liệu 2D và 3D từ 1106 nam giới tại Thành phố Hồ Chí Minh, trong đó có 378 nam trung niên từ 30 đến 60 tuổi Mỗi bộ dữ liệu cung cấp thông tin chi tiết về đặc điểm của đối tượng nghiên cứu.
1) File dữ liệu 3D ở dạng đám mây điểm ảnh như hình 3.1
2) File dữ liệu 3D 60 mốc nhân trắc được trích xuất tự động như hình 3.2
3) File mô tả vị trí kích thước trên cơ thể 3D như hình 3.3 và thông số đo của
180 kích thước cơ thể người trình bày trong bảng 3.1
Số lượng kích thước cơ thể được tự động hóa trích xuất tối đa nhằm phục vụ cho nghiên cứu Các nhà khoa học xác định mục tiêu nghiên cứu và lựa chọn các thông số đo cần thiết từ 180 kích thước đã được xác định trước đó.
Dữ liệu số đo được trích xuất bằng tiếng Anh và bảng tiếng Việt sẽ được cung cấp theo yêu cầu của khách hàng Danh sách tên người đã được mã hóa và số đo cơ thể được trình bày trong Phụ lục 4 Phần mềm sẽ tự động trích xuất danh sách tên người đã được quét từ danh sách mã hóa trong Phụ lục 3.
Hình 3.1: Dữ liệu 3D ở dạng đám mây điểm ảnh và bể mặt trơn được trích xuất tự động
Hình 3.2: Dữ liệu 3D của mốc nhân trắc được trích xuất tự động
Bảng 3.1: Thông số đo của 210 kích thước cơ thể người Đơn vị: cm
Hình 3.3: Vị trí các kích thước cơ thể.
Kết quả mô tả đặc trưng thống kê dữ liệu kích thước cơ thể
3.2.1 Mô tả dữ liệu nhân trắc nam giới Thành phố Hồ Chí Minh Đối tượng của nghiên cứu này là 1106 nam giới trong độ tuổi từ 18 đến 60, trong đó có 728 nam giới ở độ tuổi từ 18 đến dưới 30 chiếm 65.82% và 34.18% nam giới trong độ tuổi từ 30 đến 60 Trong nghiên cứu này, dữ liệu nhân trắc của 38 kích thước đã được sử dụng để xác định các đặc điểm liên quan đến vóc dáng cơ thể của nam giới trưởng thành Việt Nam, đồng thời là các kích thước quan trọng trong việc thiết lập hình dạng cơ thể Avatar trong phần mềm CLO3D [6] Các kích thước điển hình của cơ thể
77 bao gồm: 14 kích thước chiều cao, 7 kích thước chiều dài, 14 kích thước chu vi, 2 kích thước chiều rộng và cân nặng được thể hiện trong bảng 2.15 ở chương 2
Kết quả phân tích các đặc trưng thống kê và biểu đồ phân phối chuẩn cho thấy các kích thước nhân trắc có giá trị trung bình gần với giá trị trung vị, đồng thời độ tin cậy nằm trong giới hạn cho phép Tuy nhiên, chiều dài từ đốt cổ 7 đến eo không hoàn toàn tuân theo phân phối chuẩn Bảng 3.2 tổng hợp các biểu đồ xác định phân phối chuẩn của các kích thước, trong khi Bảng 3.3 mô tả các đặc trưng thống kê như giá trị trung bình, trung vị, độ lệch chuẩn và các phân vị Các giá trị kích thước cơ thể theo phân vị có ý nghĩa quan trọng cho nghiên cứu, đặc biệt là trong bối cảnh nghiên cứu của Viện Khoa học an toàn và vệ sinh lao động Nghiên cứu này nhằm đóng góp vào tài nguyên nghiên cứu về số đo cơ thể nam giới Việt Nam, tập trung vào nam giới TP.HCM trong giai đoạn 2020-2022.
Bảng 3.2: Bảng tổng hợp các biểu đồ phân phối chuẩn của các kích thước cơ thể của
1106 nam giới 18÷60 tuổi sống tại TP HCM
Các kích thước Biểu đồ Histogram Biểu đồ Q-Q Plots
Vòng ngực qua đầu ngực
Vòng ngực dưới đầu ngực
Vòng ngực qua nếp nách
Chiều dài từ cổ 7 đến cổ tay
Chiều dài cung vòng đũng
Rộng ngang lưng Độ xuôi vai
Bảng 3.3: Bảng mô tả dữ liệu thống kê kích thước cơ thể của 1106 nam giới 18÷60 tuổi sống tại TP HCM
Kích thước cơ thể Trung bình Trung vị Độ lệch chuẩn Độ xiên
Khoảng biến thiên GTNN GTLN
Chiều cao cơ thể trung bình là 168.95 cm, với cân nặng trung bình là 63.36 kg Chiều cao cằm đạt 144.94 cm, trong khi chiều cao vai là 131.68 cm Chiều cao eo trung bình là 97.38 cm, còn chiều cao bụng là 89.04 cm Chiều cao ngồi trung bình là 74.94 cm, và chiều cao háng là 73.43 cm Chiều cao đùi trung bình đạt 68.35 cm, trong khi chiều cao gối là 40.36 cm Vòng chân cổ có chiều dài trung bình là 40.92 cm.
Vòng ngực qua đầu ngực 93.10 92.78 7.30 0.28 43.75 73.14 116.89 77.78 81.93 83.76 85.05 87.94 92.78 97.83 100.68 102.70 105.45 111.91 Vòng ngực dưới đầu ngực 3cm
Vòng ngực qua nếp nách 94.33 93.78 6.78 0.29 40.43 76.40 116.83 81.26 83.66 85.58 87.15 89.38 93.78 98.94 101.52 103.57 105.78 111.38 Vòng eo 83.00 82.90 7.86 0.33 56.04 64.75 120.79 68.03 70.99 72.78 74.32 76.80 82.90 88.54 91.60 93.10 95.71 102.88 Vòng bụng 87.38 87.48 8.49 0.24 58.97 66.79 125.76 70.77 74.06 76.38 77.80 80.86 87.48 93.33 95.97 98.02 101.59 107.88 Vòng mông 93.02 92.63 6.68 0.64 57.26 78.29 135.55 80.52 82.85 84.44 85.79 88.50 92.63 97.16 99.76 101.42 104.19 110.35
Vòng gối 36.31 35.95 2.72 0.96 22.19 29.99 52.18 31.50 32.55 33.20 33.61 34.47 35.95 37.69 39.10 39.74 41.22 44.48 Vòng đùi 53.08 52.85 4.92 0.36 28.93 41.48 70.40 43.18 45.43 46.71 47.83 49.78 52.85 56.02 58.00 59.65 61.97 65.83 Vòng bắp chân 35.99 35.99 3.00 0.22 23.98 26.61 50.59 29.84 31.22 32.03 32.74 33.87 35.99 38.01 39.01 39.69 41.10 43.29 Vòng mắt cá 22.60 22.57 2.20 1.12 30.13 12.66 42.78 18.07 19.31 20.21 20.55 21.17 22.57 23.82 24.61 25.06 26.17 28.35 Vòng bắp tay 28.57 28.43 3.09 0.23 19.72 20.70 40.42 22.00 23.71 24.54 25.24 26.34 28.43 30.71 31.74 32.40 33.79 36.17 Vòng khủy tay 25.77 25.75 1.94 0.53 19.84 18.70 38.53 21.71 22.75 23.39 23.78 24.47 25.75 26.92 27.61 28.16 29.00 30.93 Vòng cổ tay 16.39 16.37 1.21 -0.10 10.65 10.69 21.34 12.82 14.64 15.09 15.36 15.69 16.37 17.08 17.44 17.76 18.29 19.75 Chiều dài từ đốt cổ 7 đến cổ tay
Chiều dài tay 57.20 57.20 2.70 0.25 21.03 47.71 68.74 51.55 52.86 53.80 54.47 55.36 57.20 58.91 59.97 60.62 61.77 64.49 Chiều dài bàn chân 25.27 25.27 1.22 0.14 8.22 21.14 29.36 22.46 23.35 23.75 24.05 24.45 25.27 26.05 26.51 26.87 27.36 28.38 Chiều dài cung vòng đũng
Vòng đũng đo thẳng 63.92 63.57 8.11 0.32 45.64 45.85 91.49 49.52 51.97 53.68 55.08 57.24 63.57 69.80 72.97 74.77 77.35 83.97 Chiều dài từ đốt cổ 7 đến eo
Chiều dài từ hỏm cổ đến eo
Dài chân bên trong 74.70 74.56 3.76 0.10 29.51 59.67 89.18 66.04 68.80 70.10 70.88 72.13 74.56 77.15 78.58 79.48 81.03 84.00 Rộng vai 43.47 43.59 3.72 -0.24 25.36 30.33 55.69 32.76 37.21 38.97 39.83 41.05 43.59 45.84 47.12 48.01 49.68 51.84 Chiều rộng ngang lưng 34.69 34.61 3.78 0.04 25.35 21.47 46.82 25.90 28.53 30.04 30.86 32.14 34.61 37.33 38.65 39.67 40.85 43.51 Xuôi vai 4.49 4.50 0.82 -0.04 6.05 1.35 7.40 2.53 3.13 3.40 3.62 3.94 4.50 5.04 5.31 5.49 5.79 6.45
Bảng 3.2 và 3.3 chỉ ra rằng một số kích thước không hoàn toàn tuân theo phân bố chuẩn, với sự sai lệch giữa giá trị trung bình và giá trị trung vị, cho thấy sự phân nhóm tồn tại Phân tích chi tiết về vấn đề này sẽ được trình bày trong mục 3.3.1.
Kết quả phân tích các đặc trưng thống kê từ biểu đồ đường cong chuẩn và biểu đồ xác suất chuẩn cho thấy các kích thước nhân trắc có giá trị trung bình gần với giá trị trung vị, đồng thời độ tin cậy nằm trong giới hạn cho phép Tuy nhiên, kích thước chiều dài từ đốt cổ 7 đến eo không hoàn toàn tuân theo phân phối chuẩn Bảng 3.2 tổng hợp các biểu đồ xác định phân phối chuẩn của tất cả các kích thước, trong khi Bảng 3.3 mô tả các đặc trưng thống kê như giá trị trung bình, trung vị, độ lệch chuẩn và các phân vị quan trọng Các giá trị kích thước cơ thể theo phân vị có giá trị nghiên cứu quan trọng, đặc biệt trong bối cảnh nghiên cứu của Viện Khoa học an toàn và vệ sinh lao động Kết quả phân tích phân vị của nghiên cứu này nhằm đóng góp vào tài nguyên nghiên cứu về số đo cơ thể nam giới Việt Nam, tập trung vào nam giới TP.HCM giai đoạn 2020-2022.
3.2.2 Mô tả dữ liệu nhân trắc nam trung niên Thành phố Hồ Chí Minh
Nam giới trong độ tuổi 30-60, được gọi là nam trung niên, đóng góp quan trọng cho nền kinh tế Tuy nhiên, vẫn chưa có nghiên cứu nào tập trung vào vóc dáng và đặc điểm cơ thể của nhóm đối tượng này Cỡ mẫu cho nhóm nam trung niên được xác định theo công thức m = t * σ / n².
Nghiên cứu này được thực hiện trên 378 nam giới trung niên trong độ tuổi từ 30 đến 60, với sự phân bổ tương đối đồng đều Trong số đó, có 115 người thuộc nhóm tuổi 30 đến 40.
Trong nghiên cứu này, 120 người thuộc nhóm tuổi 41-50 và 143 người thuộc nhóm tuổi 51-60 đã được khảo sát Dữ liệu nhân trắc học của 38 kích thước cơ thể đã được sử dụng để xác định các đặc điểm hình thể của nam trung niên tại TP.HCM.
Kết quả phân tích thống kê cho thấy hầu hết các kích thước nhân trắc có giá trị trung bình (X̅) gần với giá trị trung vị (Me) và số trội (Mo), đồng thời độ tin cậy của các kích thước này nằm trong giới hạn cho phép Tuy nhiên, có 5 kích thước gồm chiều dài hõm cổ đến eo, chiều dài cung vòng đũng, chiều dài từ đốt cổ 7 đến eo, vòng cổ tay và vòng cổ chân lại xuất hiện sự chênh lệch giữa hai nhóm.
Giá trị trung bình và giá trị trung vị đều lớn hơn 1 cm, cho thấy sự đáng chú ý trong dữ liệu Để đánh giá độ tin cậy của thang đo, hệ số Cronbach’s Alpha được xác định trong khoảng từ 0 đến 1.
Bảng 3.4: Kết quả xác định hệ số Cronbach’s Alpha
Hệ số Cronbach’s Alpha càng gần 1 thì độ tin cậy càng cao, trong khi nếu gần 0 thì độ tin cậy thấp Kích thước chiều dài bàn chân không liên quan đến phân tích vóc dáng và đã được loại bỏ Với 32 kích thước đã xác định, hệ số Cronbach’s Alpha đạt 0,947, cho thấy thang đo lường rất tốt, như mô tả trong bảng 3.4.
Bảng 3.5 là tổng hợp biểu đồ đường cong phân phối chuẩn (biểu đồ Histogram) và biểu đồ xác suất chuẩn (Normal Q-Q Plots) của các kích thước cơ thể
Bài viết trình bày các đặc trưng thống kê về kích thước cơ thể của nam trung niên tại TP.HCM, bao gồm giá trị trung bình, trung vị, độ lệch chuẩn, giá trị lớn nhất và nhỏ nhất, độ nhọn, cùng các phân vị 1, 5, 10, 25, 50, 75, 90, 99, được thể hiện rõ trong bảng 3.6.
Bảng 3.5: Bảng tổng hợp biểu đồ đường cong chuẩn và xác suất chuẩn của các kích thước cơ thể của 378 nam trung niên 30÷60 tuổi sống tại TP HCM
Kích thước cơ thể Biểu đồ Histogram Biểu đồ Q-Q Plots
Chiều cao giữa cổ trước
Vòng ngực qua đầu ngực
Vòng ngực dưới đầu ngực 3 cm
Vòng ngực qua nếp nách
Chiều dài từ đốt cổ 7 đến cổ tay
Chiều dài từ đốt cổ 7 đến eo
Chiều dài cung vòng đũng
Chiều dài từ hõm cổ đến eo
Chiều dài chân bên trong
Bảng 3.6: Bảng mô tả dữ liệu thống kê kích thước cơ thể của 378 nam trung niên 30÷60 tuổi sống tại TP HCM
Các kích thước nhân trắc
Trung vị Độ lệch chuẩn Độ xiên
Chiều cao cơ thể trung bình là 167,95 cm, với chiều cao đầu là 23,65 cm và chiều cao cằm 144,11 cm Chiều cao giữa cổ trước đạt 139,42 cm, trong khi chiều cao hõm cổ là 136,18 cm Chiều cao bụng trung bình là 87,83 cm, và chiều cao eo là 93,05 cm Chiều cao ngồi là 74,64 cm, còn chiều cao háng là 72,49 cm Chiều cao đùi đạt 67,41 cm, trong khi chiều cao gối là 40,37 cm Chiều cao ngực trung bình là 118,73 cm Vòng chân cổ là 41,94 cm, vòng ngực qua đầu ngực là 97,10 cm, và vòng ngực dưới đầu ngực 3cm là 95,36 cm Cuối cùng, vòng eo trung bình là 88,74 cm.
Dưới đây là các số liệu vòng đo cơ thể: Vòng bụng dao động từ 92,86 đến 115,01 cm; Vòng mông từ 96,91 đến 115,41 cm; Vòng đùi từ 53,95 đến 70,40 cm; Vòng gối từ 36,62 đến 45,77 cm; Vòng bắp chân từ 37,26 đến 44,18 cm; Vòng bắp tay từ 29,88 đến 36,63 cm; Vòng khuỷu tay từ 26,58 đến 31,02 cm; Vòng cổ tay từ 16,91 đến 21,34 cm; Vòng cổ chân từ 22,97 đến 30,37 cm; Chiều dài tay từ 56,38 đến 65,77 cm Những số liệu này cung cấp cái nhìn tổng quát về kích thước cơ thể, giúp trong việc theo dõi sức khỏe và thể hình.
7 đến eo 48,01 49,09 4,77 -0,99 24,79 34,00 58,79 34,53 37,42 40,31 46,35 49,09 51,12 53,02 54,31 55,21 Chiều dài bàn chân 25,11 25,02 1,21 0,34 7,04 21,77 28,81 22,76 23,21 23,57 24,31 25,02 25,82 26,73 27,35 29,25 Chiều dài cung vòng đũng 83,02 85,09 10,8
6 -0,91 67,65 52,82 120,47 53,99 58,42 63,21 79,45 85,09 89,70 93,63 96,82 95,49 Chiều dài từ hõm cổ đến eo 43,13 43,64 4,00 -0,69 27,39 26,76 54,15 31,31 35,59 37,64 41,39 43,64 45,57 47,37 49,70 51,76 Chiều dài chân bên trong 73,79 73,71 3,40 -0,12 20,08 62,22 82,29 65,59 67,78 69,63 71,73 73,71 76,08 78,29 79,45 81,22 Chiều rộng vai 44,78 44,87 2,98 0,15 15,25 38,56 53,81 38,95 39,81 40,77 42,53 44,87 46,81 48,77 49,99 52,40 Chiều rộng ngang lưng 37,17 37,44 3,58 -0,31 20,44 26,38 46,82 27,06 31,02 32,27 35,39 37,44 39,61 41,67 42,74 43,36 Cân nặng 68,76 68,00 8,23 0,68 49,00 50,00 99,00 51,00 57,50 59,45 63,00 68,00 73,00 79,55 85,08 82,27
Bảng 3.5 chỉ ra rằng các trị số quan sát và trị số mong đợi không phân bố sát theo đường phân phối chuẩn Điều này thể hiện rõ ràng qua các kích thước như vòng cổ tay, vòng cổ chân và chiều dài từ đốt cổ 7 đến eo, cho thấy không có hình dạng đường cong phân phối chuẩn.
Kết quả xây dựng mô hình 3D bằng phương pháp nội suy
3.4.1 Kết quả xác định vị trí các mặt cắt
Một bộ khung vị trí các mặt cắt sẽ được tương tác được xây dựng như trong hình
3.8 là kết quả của thuật toán 1 Mô tả các vị trí mặt cắt như sau:
(1) Vị trí mặt cắt vòng cổ
(2) Vị trí mặt cắt vòng ngực
(3) Vị trí mặt cắt vòng bụng
(4) Vị trí mặt cắt vòng mông
(5) Vị trí mặt cắt vòng đùi giữa
(6) Vị trí mặt cắt vòng bắp chân
(7) Vị trí mặt cắt vòng cổ chân
(8) Vị trí mặt cắt vòng cánh tay trên
(9) Vị trí mặt cắt vòng cổ tay
Hình 3.8: Bộ khung vị trí các mặt cắt quan trọng sẽ được tương tác
3.4.2 Kết quả xác định các điểm trọng yếu trên mỗi mặt cắt Để tìm các điểm trọng yếu của mỗi mặt cắt, ta kế thừa kết quả và kỹ thuật mà các nhà nghiên cứu trước đã dùng [15, 67, 69] và mã code 1 đã được thiết kế và trình bảy ở chương 2 Có 2 loại hình dạng mặt cắt trên cơ thể
Loại 1 bao gồm tất cả các lát cắt trên cơ thể (ngoại trừ phần thân) có cấu trúc gần như tròn Bốn điểm cực trị ở mặt trước, sau, bên trái và bên phải được chọn làm các điểm chính cho từng mặt cắt, như thể hiện trong hình 3.9 và hình 3.10 Các vị trí mặt cắt có cấu trúc hình tròn bao gồm vòng cổ, vòng bụng, vòng cánh tay trên, vòng cổ tay, vòng đùi giữa, vòng bắp chân và vòng cổ chân.
Các lát cắt loại 2 trên cơ thể có cấu trúc phức tạp, bao gồm vòng ngực và vòng mông Trong đó, 12 điểm chính được lựa chọn làm điểm cắt quan trọng, như được thể hiện trong hình.
3.11 và 3.12, gồm các điểm cực trị ở mặt trước, sau, bên trái, bên phải, và trên đường cong dựa theo sự quan sát đối xứng
Hình 3.9: Các điểm trọng yếu của mặt cắt phần đùi.
Hình 3.10: Các điểm trọng yếu của mặt cắt phần bắp chân
Hình 3.11: Các điểm trọng yếu của mặt cắt phần mông
Hình 3.12: Các điểm trọng yếu của mặt cắt phần ngực
3.4.3 Kết quả điều chỉnh các điểm trọng yếu trên mỗi mặt cắt tương ứng với số đo 2D
Sau khi xác định các điểm trọng yếu cho mỗi mặt cắt, cần điều chỉnh chúng để nội suy ra đường cong có chu vi gần giống với thông số đo Kết quả điều chỉnh theo mã code 3 cho thấy những cải tiến đáng kể.
- Bước 1: Xác định tâm, tính tỉ lệ bán kính lớn và bán kính nhỏ của mặt cắt hiện tại
Hình 3.13: Minh họa bước 1 của việc điều chỉnh các điểm trọng yếu
- Bước 2: Tìm bán kính lớn của mặt cắt hiện tại (Bán kính = Chu vi / (2 * 𝜋) )
Hình 3.14: Minh họa bước 2 của việc điều chỉnh các điểm trọng yếu
- Bước 3: Tính bán kính lớn của mặt cắt mới dựa vào thông số đo tay (Bán kính = Số đo / (2 * 𝜋) )
Hình 3.15: Minh họa bước 3 của việc điều chỉnh các điểm trọng yếu
- Bước 4: Dịch chuyển các điểm tương ứng với bán kính lớn của mặt cắt mới
Hình 3.16: Minh họa bước 4 của việc điều chỉnh các điểm trọng yếu
- Bước 5: Dịch chuyển điểm trên bán kính nhỏ theo tỉ lệ với bán kính lớn của mặt cắt hiện tại
Hình 3.17: Minh họa bước 5 của việc điều chỉnh các điểm trọng yếu
3.4.4 Kết quả xây dựng mô hình mặt cắt chỉnh từ các điểm trọng yếu trên mỗi mặt cắt bằng bài toán nội suy
Sau khi xác định các điểm quan trọng trên mỗi mặt cắt, cần nội suy thêm nhiều điểm để tạo ra đường cong tương ứng Dựa vào phương pháp nội suy đường cong Hermite và kết quả nghiên cứu của Shuxia Wang, tham số độ căng -0.4 được xác định là phù hợp nhất với đường cong của mặt cắt cơ thể người Sự phù hợp này được minh họa qua các hình ảnh, trong đó các điểm dữ liệu thô từ máy Scan 3D được đánh dấu bằng các điểm tròn đỏ Các đường cong với tham số độ căng khác nhau được thể hiện bằng màu sắc khác nhau: đỏ (0.8), xanh (-1.6) và đen (-0.4) Hình 3.20 tổng hợp các mặt cắt chính trên cơ thể sau khi thực hiện nội suy đường.
Hình 3.18: Nội suy đường cong gần như tròn từ 4 điểm với các tham số độ căng khác nhau
Hình 3.19: Nội suy đường cong phức tạp từ 12 điểm với các tham số độ căng khác nhau.
Hình 3.20: Các mặt cắt trên cơ thể sau khi nội suy
3.4.5 Kết quả xây dựng mô hình nội suy từ các mặt cắt chỉnh trên các bộ phận của cơ thể
Mã code 5 được sử dụng để tạo ra các lát cắt nội bộ của các bộ phận cơ thể Kết quả của các lát cắt nội bộ này bao gồm phần ngực, mông, đùi, bắp chân và cánh tay trên, được trình bày qua các hình ảnh từ 3.21 đến 3.25.
Hình 3.21: Các lát cắt của vùng ngực
Hình 3.22: Các lát cắt của vùng mông.
Hình 3.23: Các lát cắt của vùng đùi
Hình 3.24: Các lát cắt của vùng bắp chân
Hình 3.25: Các lát cắt của khu vực cánh tay trên.
Mô hình 3D toàn thân được tạo ra và trực quan hóa trong Blender, như minh họa trong hình 3.26 Các bước để tiến hành mô phỏng mô hình Avatar 3D dựa trên số đo 2D được hướng dẫn chi tiết trong “Tài liệu hướng dẫn sử dụng phần mềm Mô phỏng Avatar 3D tương ứng với số đo 2D” có trong Phụ lục 2.
Hình 3.26: Mô phỏng mô hình 3D tương ứng với số 2D
3.4.5 Kết quả đánh giá sai số xây dựng mô hình
Kết quả của lỗi bình phương của các lát cắt chính và lỗi bình phương của mô hình được xây dựng 3D được thể hiện trong Bảng 3.21 và Bảng 3.22
Bảng 3.21: Lỗi của các lát cắt chính
Kích thước cơ thể Lỗi bình phương trung bình
Vòng Đùi giữa 0.0371047278 Vòng bắp chân 0.0000332125
Bảng 3.22: Lỗi của mô hình xây dựng 3D
Lỗi bình phương trung bình 11.02621202
Lỗi bình phương nhỏ nhất 1.38504
Lỗi bình phương lớn nhất 125.55837
Có 95 mô hình trong bộ dữ liệu, đã bị hỏng khi quét Những mô hình bị hỏng này làm cho lỗi bình phương tối đa tăng đáng kể và điều đó dẫn đến sai số trung bình cao Hình 3.27 cho thấy một mô hình 3D nữ từ máy quét 3D bị lỗi Bảng 3.23 và Bảng 3.24 hiển thị kết quả sau khi loại bỏ dữ liệu 3D bị lỗi
Hình 3.27: Mô hình 3D nữ từ máy quét 3D bị lỗi
Bảng 3.23: Lỗi của các lát cắt chính sau khi tách dữ liệu bị lỗi
Kích thước cơ thể Lỗi bình phương trung bình
498 dữ liệu tốt 95 dữ liệu lỗi
Bảng 3.24: Lỗi của mô hình 3D được xây dựng sau khi tách dữ liệu bị lỗi
498 dữ liệu tốt 95 dữ liệu lỗi Lỗi bình phương trung bình 5.491083893 23.52586951
Lỗi bình phương nhỏ nhất 1.38504 10.06982
Lỗi bình phương lớn nhất 9.95929 125.55837
Nghiên cứu này giới thiệu một phương pháp xây dựng mô hình 3D của con người, sử dụng dữ liệu quét 3D cơ thể phụ nữ để xác định các kích thước cơ thể phù hợp Dữ liệu này được áp dụng cho 5 thuật toán khác nhau trong các thí nghiệm.
Phương pháp đề xuất chủ yếu dựa vào nội suy Hermite, mang lại dạng đóng và yêu cầu ít tính toán, từ đó giảm thiểu chi phí tính toán.
Phương pháp hiện tại gặp hạn chế lớn do phụ thuộc vào việc lựa chọn các lát cắt chính, dẫn đến việc nội suy các lát trung gian có thể tạo ra mô hình không thực tế, mặc dù có vẻ hợp lý Thực tế cho thấy, việc đo đạc kích thước cơ thể con người ở tất cả các vị trí là rất hiếm Do đó, nghiên cứu tiếp tục hướng tới việc áp dụng máy học chuyên sâu (deep learning) để khai thác thông tin từ tập dữ liệu, nhằm suy ra các lát trung gian một cách hiệu quả hơn.
3.5 Kết quả xây dựng Avatar 3D theo phương pháp máy học chuyên sâu
Luận án đào tạo các mô hình NN từ dữ liệu trên máy chủ Linux với RAM 24
GB, GPU với RAM 12 GB và CPU Xeon với 2.2Ghz Ngôn ngữ lập trình là Python và các thư viện chính là PyTorch và numpy
Thuật toán Adam được thông qua để giảm thiểu hàm mục tiêu; các tham số meta được đặt theo khuyến nghị của các tác giả (tỷ lệ học tập 𝛼 = 0.001, 𝛽 1 = 0.9, 𝛽 2 0.999)
Trong bộ dữ liệu nam, LA đã sử dụng 1006 mẫu cho dữ liệu huấn luyện và 100 mẫu cho dữ liệu thử nghiệm, trong khi bộ dữ liệu nữ sử dụng 500 mẫu cho huấn luyện và 100 mẫu cho thử nghiệm, tất cả được chọn ngẫu nhiên Bảng 3.25 trình bày lỗi trung bình trên mỗi lát cắt chính sau khi đào tạo 1000 duyệt trên tập dữ liệu nam và nữ.
Bảng 3.25: Lỗi trung bình trên mỗi lát cắt chính trên dữ liệu huấn luyện của bộ dữ liệu nam và nữ (bộ dữ liệu đầy đủ)
Slice Train/Male (%) Train/Female (%)
Left Wrist / Cổ tay trái 7.77 10.99
Left Forearm / Cánh tay trái 5.53 7.48
Left elbow / Khuỷu tay trái 4.21 7.72
Left Biceps / Bắp tay trái 6.22 8.80
Left Overarm / Cẳng tay trái 10.54 15.66
Right Wrist / Cổ tay phải 13.43 8.12
Right Forearm / Cánh tay phải 12.69 7.63
Right Elbow / Khuỷu tay phải 8.36 7.01
Right Biceps / Bắp tay phải 8.84 6.69
Right Overarm / Cẳng tay phải 12.20 12.64
Left Ankle / Cổ chân trái 7.93 7.38
Left Calf / Bắp chân trái 7.73 4.62
Left Under knee / Dưới gối trái 11.80 3.30
Left Middle Thigh /Giữa đùi trái 3.63 4.72
Right Ankle / Cổ chân phải 9.54 6.64
Right Calf / Bắp chân phải 7.52 4.66
Right Under Knee / dưới gối phải 10.67 3.09
Right Middle Thigh / Giữa đùi phải
Nghiên cứu mối quan hệ giữa kích thước và hình dạng của lát cắt trên cơ thể người là một thách thức lớn, do cùng kích thước nhưng hình dạng có thể khác nhau Để giải quyết vấn đề này, chúng tôi đề xuất sử dụng các hình dạng ban đầu, không chỉ là một xấp xỉ thô mà còn giúp tăng cường số lượng tham số trong mô hình mạng nơ-ron (NN) và tránh hiện tượng quá khớp Chúng tôi giới hạn các hình dạng ban đầu thành các vòng tròn, với bán kính được tính từ chu vi của lát cắt Về mặt hình học, các mô hình NN hoạt động như một biến dạng hình, được điều khiển bởi các kích thước của lát cắt.
NN là các phép biến đổi phi tuyến tính chuyển đổi từ đường thẳng thành các vectơ lát cắt cụ thể, tạo ra những đường cong mô tả cường độ của các vectơ cắt Những đường cong này có hình dạng tương tự nhau khi chúng ở cùng một vị trí, như thể hiện trong Hình 3.28.
Hình 3.28: Đường cong vectơ cắt lát đường cong của cổ tay, hông và đùi của 20 ví dụ trong bộ dữ liệu nam.
Trong phần thân cơ thể, các lát cổ có sai số trung bình cao nhất do không tách biệt hoàn toàn với đầu, và nhiều mốc giải phẫu ở cổ được đặt sai vị trí, như cổ áo hoặc cằm Hình dạng của các lát cổ thay đổi đáng kể, như thể hiện trong Hình 3.29 Tình huống tương tự cũng xảy ra với các lát cắt quá mức, khi ranh giới giữa cánh tay và vai không được xác định chính xác Thêm vào đó, sự thiếu hụt các thành phần trên các vectơ cắt ngang do tắc nghẽn tại vị trí như nách khiến cho máy quét 3D thường bỏ qua những khu vực này.
Hình 3.29: Vectơ cắt lát đường cong đường cong của cổ, bên trái và bên phải của 10 ví dụ trong bộ dữ liệu nam
Kết quả xây dựng mô hình 3D Avatar theo đa dạng vóc dáng nam trung niên TP.HCM
3.6.1 Nhận xét về phương pháp xây dựng mô hình 3D cơ thể người
Phương pháp xây dựng mô hình 3D bằng nội suy toán học đã cho phép mô phỏng vóc dáng cơ thể người Việt Nam với các số đo chính xác ở các mặt cắt quan trọng Điều này đảm bảo sai số rất thấp trong các thông số đo tay, nâng cao tính chính xác của mô hình Nhờ đó, ứng dụng của phương pháp này trong ngành công nghiệp dệt may trở nên rất cao.
128 thực nghiệm dễ dàng, không tốn quá nhiều thời gian cũng như không yêu cầu quá cao về cấu hình phần cứng máy tính
Phương pháp xây dựng mô hình 3D bằng máy học sâu có khả năng học thông tin từ dữ liệu cơ thể người mà không cần dạng hàm, giúp tạo ra mô hình 3D phù hợp với cấu trúc cơ thể riêng biệt của từng người Kết quả thử nghiệm cho thấy ý tưởng về hệ thống này là khả thi và có thể triển khai, nhưng vẫn cần thực hiện thêm nhiều thử nghiệm và tinh chỉnh để cải thiện độ chính xác của kết quả dự đoán.
Phương pháp xây dựng mô hình 3D bằng nội suy toán học vẫn gặp phải sai số trên các mặt cắt của mô hình Điều này xảy ra do sự khác biệt trong cấu trúc từng phần của cơ thể giữa các cá nhân, dẫn đến việc mô hình chưa thể điều chỉnh phù hợp với cấu trúc cơ thể riêng biệt của từng người.
Phương pháp xây dựng mô hình 3D bằng máy học sâu đòi hỏi cấu hình phần cứng máy tính cao để thực hiện hiệu quả Tuy nhiên, do hạn chế về thời gian và năng lực máy tính, độ chính xác của hai mô hình trong nghiên cứu vẫn chưa đạt yêu cầu cao.
3.6.2 Mô hình 3D Avatar theo đa dạng vóc dáng nam trung niên TP.HCM
Sau khi nhập dữ liệu kích thước cơ thể của 5 vóc dáng nam trung niên tại TP.HCM vào phần mềm Blender, 5 mô hình 3D Avatar đã được tạo ra Hình ảnh mô phỏng bao gồm mặt trước, mặt sau, và các góc nghiêng 90 độ và 45 độ của từng Avatar, được tổng hợp trong bảng 3.29 theo phương pháp nội suy của luận án.
Hình 3.31: Hình chụp mặt trước của 5 Avatar theo thông số đo của 5 vóc dáng nam trung niên TP.HCM được xây dựng trong luận án
Các kích thước cơ thể của 5 vóc dáng đã được nhập vào phần mềm thiết kế CLO3D, tạo ra 5 Avatar mô tả chi tiết (hình 3.32) Bảng 3.30 tổng hợp hình ảnh chụp từ các góc độ: mặt trước, mặt sau, mặt nghiêng 90 độ và mặt nghiêng.
45 0 của lần lượt 5 Avatar được tạo ra trong CLO3D
Hình 3.32 trình bày mặt trước của 5 Avatar tương ứng với 5 vóc dáng nam trung niên tại TP.HCM, được xây dựng trong luận án So sánh hình ảnh của các Avatar với mô tả hình dáng cơ thể trong kết quả 3.3.2.4 cho thấy sự tương đồng với các kết luận về cận béo phì và béo phì, cũng như tình trạng bụng lồi ở nam giới trung niên Mô hình 3D Avatar thể hiện sự khác biệt rõ rệt về hình dạng và mức độ lồi bụng Khi so sánh với Avatar từ phần mềm CLO3D, nhận thấy hình dạng cơ thể của 5 Avatar không có sự khác biệt đáng kể Tuy nhiên, so sánh giữa hình 3.31 và 3.32 cùng bảng 3.29 với 3.30 khẳng định rằng mô hình 3D Avatar trong luận án có sự khác biệt rõ ràng giữa các vóc dáng nam trung niên TP.HCM và so với CLO3D.
Bảng 3.29: Bảng tổng hợp hình ảnh 5 Avatar theo 5 vóc dáng của nam trung niên
TP.HCM được xây dựng từ luận án
Mặt trước Mặt sau Nghiêng 90 độ Nghiêng 45 độ Nhóm 1
Bảng 3.30: Bảng tổng hợp hình 5 Avatar theo 5 vóc dáng của nam trung niên TP.HCM được tạo ra từ phần mềm thiết kế CLO3D
Mặt trước Mặt sau Nghiêng 90 độ Nghiêng 45 độ Nhóm 1
Kết quả may ảo Áo dài theo vóc dáng nam trung niên TP.HCM
Luận án thực hiện thiết kế ảo và may ảo sản phẩm áo dài cho nam theo quy trình đã trình bày ở chương 2 hình 2.35
3.7.1 Tạo Avatar 3D theo số đo
Trong 5 vóc dáng của nam trung niên TP.HCM đã được phân tích bên trên, nhóm
Nhóm 2 chiếm tỷ lệ cao nhất với 35,19%, vì vậy luận án chọn may trang phục ảo cho vóc dáng này để thử nghiệm Nhóm này có các kích thước chiều dài và chiều cao tương đương với cơ thể trung bình, trong khi kích thước vùng cổ và vai cũng phù hợp với thông số trung bình Các chỉ số chu vi, cân nặng và BMI cho thấy đây là nhóm cơ thể béo phì độ I với BMI là 25,08, và tất cả các kích thước chu vi và cân nặng đều tương đương với nhóm trung bình, ngoại trừ tỷ lệ vòng đùi so với vòng eo nhỏ hơn Qua phân tích, nhóm 2 được xác định là có tỷ lệ cơ thể cân đối, thuộc nhóm béo phì độ I, với đùi và gối nhỏ, cùng kích thước vùng cổ và vai phát triển.
Sau khi nhập các thông số đo vào phần mềm Blender theo hướng dẫn ở Phụ lục
Mô hình 3D Avatar cho nhóm 2 đã được tạo ra và lưu dưới định dạng ".OBJ" để sử dụng trong phần mềm CLO3D Sau đó, bạn có thể nhập mô hình 3D Avatar vào CLO3D, sử dụng nó như một Avatar để tiếp tục thiết kế ảo, may ảo và thử nghiệm ảo sản phẩm.
3.7.2 Mô tả mẫu Áo dài thiết kế thử nghiệm và chọn vật liệu trong CLO3D
Dựa trên thiết kế áo sơ mi, áo veston và áo dài nam cổ điển, phương pháp thiết kế mẫu áo dài hiện đại đã được nghiên cứu và đề xuất.
Vật liệu: vải may áo dài: Lụa Taffeta
Chọn Lụa Taffeta được mặc định trong thư viện vải của phần mềm như hình 3.33, các thông số vải là :
- Độ uốn ngang (Bending-weft): 55%
- Độ uốn dọc (Bending-warp): 14%
- Độ uốn xéo (Bending-bias): 38%
- Độ rung vải (Internal Damping): 1%
Hình 3.33: Minh họa của vải được chọn từ thư viện vải C LO3D để ứng dụng thiết kế áo dài nam giới Việt Nam
3.7.3 Thiết kế bộ mẫu kỹ thuật theo công thức thiết kế áo dài nam
Công thức thiết kế áo dài nam đã được nghiên cứu kỹ lưỡng và được trình bày chi tiết trong phụ lục 3 Kết quả bộ mẫu rập áo dài dành cho nam trung niên với số đo của nhóm vóc dáng 2 được minh họa rõ ràng trong hình 3.34.
Bộ mẫu rập được thiết kế trên phần mềm Gerber và có thể được nhập vào CLO3D Phần mềm này cho phép thực hiện các chức năng may ảo, thử ảo và đánh giá ảo sản phẩm một cách hiệu quả.
Hình 3.34: Bộ mẫu rập gồm các chi tiết: thân áo, tay áo, cổ áo, quần và cạp
3.7.4 Kết quả may ảo, thử ảo và đánh giá độ vừa vặn trang phục trên CLO3D Ưu điểm của phần mềm thiết kế trang phục 3D là có thể nhìn thấy trước được độ vừa vặn của trang phục qua đánh giá độ vừa vặn trên công cụ Fit map, Strain map, Stress map, người thiết kế có thể điều chỉnh mẫu rập trước khi may sản phẩm thật
Hình 3.35: Kết quả may ảo, thử ảo và đánh giá ảo lần 1
Trong quá trình thử nghiệm thiết kế và may ảo mẫu thử cho áo dài, tác giả đã phát hiện phần bụng của áo bị chật sau lần may đầu tiên (hình 3.35) Để khắc phục vấn đề này, tác giả đã kịp thời điều chỉnh mẫu rập bằng cách tăng độ rộng ở phần bụng, dẫn đến sự cải thiện rõ rệt, giúp che khuyết điểm cho phần bụng to của người mẫu (hình 3.36).
Hình 3.36: Kết quả may ảo, thử ảo và đánh giá ảo lần 2
Hình 3.37: Mẫu mô phỏng áo dài nam với bề mặt vải dày, trong suốt và lưới trên phần mềm CLO 3D
Hình 3.38: Mẫu mô phỏng áo dài nam bề mặt vải lụa taffeta trên phần mềm CLO 3D
3.7.5 Kết quả bộ sản phẩm áo dài hoàn thiện với lựa chọn họa tiết và màu sắc
Hình 3.39: Mẫu mô phỏng áo dài nam cho nhóm vóc dáng 2 nam trung niên TP.HCM trên phần mềm CLO3D
Các kết quả nghiên cứu của luận án được trình bày trong chương 3 như sau:
1 Khảo sát đo và thành lập 1106 bộ dữ liệu nhân trắc 3D của 1106 nam giới TP.HCM tuổi từ 18 đến 60 Trong đó có 115 người nhóm 30÷40 tuổi, 120 người nhóm 41÷50 tuổi, 143 người nhóm 51÷60 tuổi Dữ liệu được trích xuất từ hệ thống máy quét SizeStreamer năm 2020 Mỗi bộ dữ liệu gồm có 180 thông số kích thước cơ thể người và mô tả vị trí trên hình ảnh 3D, file ảnh 3D điểm mốc nhân trắc, file ảnh 3D đám may điểm ảnh
2 Mô tả đặc trưng thống kê dữ liệu nhân trắc cho 38 kích thước cơ thể quan trọng phục vụ thiết kế các chủng loại trang phục của nam giới Các đặc trưng thống kê của các kích thước cơ thể thông qua giá trị trung bình, trung vị, độ lệch chuẩn, giá trị lớn nhất, giá trị nhỏ nhất, độ nhọn, phân vị 1, 5, 10, 25, 50, 75, 90, 99; Đồng thời xác định phân phối chuẩn của các kích thước thông qua biểu đồ đường cong chuẩn và biểu đồ xác suất chuẩn Normal Q-Q Plot Bảng mô tả dữ liệu nhân trắc có ý nghĩa quan trọng trong ngành công nghệ may và thời trang, có thể sử dụng cho đề tài và là tài liệu tham khảo cho nhiều nghiên cứu khác sau này
3 Sử dụng phương pháp phân tích dữ liệu một cách khoa học như phân tích thành phần chính, phân tích nhân tố, phân tích phân nhóm K-mean, phân tích biệt số và ANOVA, t-test để phân loại vóc dáng cơ thể cho 1106 nam giới Việt Nam trong độ tuổi từ 18 đến 60 Kết quả đạt được cho thấy tỷ lệ nam giới trong độ tuổi từ 18 đến dưới 30 chủ yếu thuộc nhóm gầy, chiếm tỷ lệ 60.4%, trong khi đó nhóm nam trung niên trong độ tuổi từ 30 đến 60 chủ yếu là béo
4 Nhóm đối tượng 378 nam trung niên TP.HCM tiếp tục được phân loại thành 5 nhóm vóc dáng Nhóm 1 có tạng người thấp và hơi gầy với BMI là 22,23 Nhóm 4 có tạng người cao và to trung bình với BMI là 23,23 Nhóm 2, 3, 5 là tạng người cận béo và béo phì với BMI lần lượt là 25,08, 27,08, 28,52 Đặc điểm chung của nhóm 2, 3, 5 là người bụng lồi và phệ dần khi BMI tăng Nhiều nam trung niên có vóc dáng 2, chiếm tỷ lệ 35,19%
5 Đã tổng hợp thống kê và xác định tương quan tỷ lệ giữa các kích thước cơ thể theo từng vóc dáng, có tính ứng dụng thực tiễn trong thiết kế và sản xuất
6 Kết quả trên cho thấy hoàn toàn có thể sử dụng máy quét cơ thể SizeStream SS14 trong các cuộc khảo sát nhân trắc để thu thập các số đo cơ thể người Không cần sử dụng phương pháp đo tay truyền thống tốn kém thời gian và nguồn nhân lực Hơn nữa lại tránh được các sai sót giữa nhiều người đo và nhiều thiết bị đo
7 Các công cụ thống kê và đặc biệt phần mềm SPSS là công cụ hiệu quả để mô tả dữ liệu nhân trắc cũng như phân tích vóc dáng cơ thể người, đảm bảo độ chính xác và độ tin cậy của các kết luận
8 Đã xây dựng được mô hình 3D Avatar theo phương pháp nội suy sử dụng các thuật toán nội suy và 5 mã code Quá trình thực hiện qua 6 bước chính và có đánh giá sai số mô hình Bước 1 là Xác định các kích thước cơ thể cần thiết cho mô hình; Bước 2 xác định vị trí các mặt cắt chỉnh; Bước 3 xác định các điểm trọng yếu của mỗi mặt cắt; Bước 4 điều chỉnh các điểm trọng yếu trên mặt cắt tương ứng với số đo 2D; Bước 5 xây dựng mô hình mặt cắt chính từ các điểm trọng yếu bằng phép