phân loại vóc dáng nam trung niên thành phố hồ chí minh ứng dụng xây dựng avatar trong phần mềm thiết kế trang phục 3d

Các nghiên cứu đã sử dụng kích thước chính của cơ thể con người làm dữ liệu đầu vào để áp dụng trong một mô hình chung, làm biến dạng mô hình hiện có trong cơ sở dữ liệu sẽ dễ dàng có đư

TÍNH CẤP THIẾT CỦA LUẬN ÁN

Trong những năm gần đây, công nghệ 3D được mọi người nhắc đến ngày càng nhiều và đang trở thành chủ đề phổ biến trên thế giới Chúng ta đã thấy sự phát triển của công nghệ 3D trong giải trí, trong các ngành công nghiệp và đang tiến gần cuộc sống tiêu dùng hàng ngày Cùng với sự phát triển thần tốc của công nghệ điện toán, ngành công nghệ may và thời trang cũng đang tận dụng các kỹ thuật mới để phát triển Các nhà khoa học [1-4] phát triển cửa hàng quần áo trực tuyến dưới dạng ứng dụng web Thời trang ảo đang là xu hướng và nhu cầu mua sắm thời trang online của các khách hàng thông minh Các nghiên cứu đã sử dụng kích thước chính của cơ thể con người làm dữ liệu đầu vào để áp dụng trong một mô hình chung, làm biến dạng mô hình hiện có trong cơ sở dữ liệu sẽ dễ dàng có được mô hình mới hơn Ứng dụng của thực tế ảo trong ngành may mặc bắt đầu từ những năm 1980, là công nghệ hiển thị ảo hàng may mặc ba chiều dựa trên thực tế ảo và công nghệ mô phỏng kỹ thuật số [2] Với sự hỗ trợ của công nghệ thiết kế 3D, trí tuệ nhân tạo và công nghệ thực tế ảo, thời trang kỹ thuật số bùng nổ mạnh mẽ hơn bao giờ hết, đặc biệt phù hợp với xu hướng phát triển thời trang bền vững [5] Optitex, V-Stitcher, CLO3D, v.v là những phần mềm thiết kế thời trang 3D tiên phong, có thể tích hợp việc xây dựng mô hình người, thiết kế mẫu 2D, may ảo 3D, mô phỏng vải và trình diễn thời trang ảo [6] Đồng thời, khả năng đánh giá ảo độ vừa vặn trang phục và các chức năng khác có thể được sử dụng để tạo ra quần áo cho người tiêu dùng dựa trên vóc dáng cơ thể của họ [3] Hiện nay, việc ứng dụng các phần mềm thiết kế 3D ngày càng trở nên phổ biến tại Việt Nam, hứa hẹn một tương lai mới của ngành công nghiệp thời trang thế giới nói chung và ngành công nghiệp dệt may Việt Nam nói riêng

Ngành dệt may Việt Nam là ngành kinh tế mũi nhọn của đất nước, một trong những ngành xuất khẩu chủ lực với tốc độ tăng trưởng bình quân 10%/năm, con số này cho thấy ngành dệt may đang đi đến đỉnh điểm của sự hội nhập toàn cầu và là một trong những nước xuất khẩu dệt may đứng đầu trên thế giới, dự kiến 2021-2030, ngành dệt may sẽ phát triển theo chiều sâu, tiếp cận tiêu dùng bằng cách dành thế chủ động, hướng tới phương thức sản xuất cao hơn như ODM, OBM, kiện toàn phát triển nội lực thiết kế nhằm tăng giá trị sản phẩm [7] Vì vậy việc nghiên cứu xây dựng mô hình 3D Avatar làm cơ sở nền tảng xây dựng ma-nơ-canh tham số theo vóc dáng người Việt Nam có thể tích hợp vào các phần mềm thiết kế thời trang 3D đang là xu hướng giải pháp giúp nâng cao năng lực cạnh tranh của ngành công nghệ dệt may nước ta trong xu thế hội nhập thế giới

Các nghiên cứu về 3D ứng dụng cho ngành công nghệ may đều cần nguồn đầu vào là dữ liệu quét 3D cơ thể người Từ dữ liệu quét 3D các tác giả có thể nghiên cứu ra nhiều kết quả đa dạng phục vụ cho sự phát triển của ngành công nghệ may như: nghiên cứu về đặc điểm vóc dáng cơ thể, nghiên cứu đặc điểm hình thể, nghiên cứu về phương pháp xây dựng mô hình 3D Avatar cơ thể người phục vụ cho các phần mềm thiết kế trang phục 3D, v.v Đồng thời các mẫu ma-nơ-canh truyền thống hiện nay thì không còn phù hợp với vóc dáng của người Việt Nam, gây ra các khó khăn trong việc

2 thiết kế trang phục cũng như thử mẫu đánh giá độ vừa vặn của sản phẩm may mặc cho người Việt Tuy nhiên chi phí đầu tư để có được dữ liệu quét 3D khá cao, chính vì thế các nghiên cứu 3D ứng dụng cho ngành công nghệ may và thời trang theo vóc dáng người Việt Nam đang gặp rất nhiều khó khăn, càng khẳng định hướng nghiên cứu về phân loại vóc dáng cơ thể ứng dụng trong phần mềm thiết kế cho người Việt Nam là cấp bách

Những năm gần đây, các nhà khoa học Việt Nam đã có một số nghiên cứu vóc dáng và đặc điểm hình dạng cơ thể đối với các đối tượng phụ nữ [8-22], học sinh nam, nữ, bé trai, bé gái [21, 23, 24], nam nữ trong độ tuổi lao động [21, 22, 25, 26] Tuy nhiên ở độ tuổi nam trung niên từ 30-60 tuổi, là độ tuổi dự đoán có nhiều biến động về vóc dáng do nhu cầu sinh hoạt dinh dưỡng và việc làm đa dạng [27, 28], hiện chưa có công trình nào nghiên cứu về đặc trưng đó Hơn nữa, nhóm tuổi này là nhóm tuổi chính tham gia hoạt động trong các lĩnh vực của nền kinh tế, đóng góp tích cực cho sự phát triển xã hội Đây cũng là nhóm đối tượng cần hoàn thiện hình ảnh của mình thông qua trang phục, đồng thời nhóm cũng có nhu cầu và có khả năng chi trả cho các loại trang phục phù hợp Chính vì thế nhu cầu nghiên cứu vóc dáng và đặc điểm cơ thể độ tuổi này là cần thiết

Do đó, luận án này tập trung vào nghiên cứu phân loại hình dáng cơ thể nam trung niên từ 30-60 tuổi có ý nghĩa quan trọng, góp phần đề xuất và nghiên cứu những giải pháp thiết kế nhằm tăng khả năng đáp ứng nhu cầu mặc đẹp vừa vặn thoải mái của người tiêu dùng Kết quả nghiên cứu này sẽ góp phần quan trọng trong dữ liệu nhân trắc 2D và 3D và khoa học phân loại vóc dáng cơ thể nam trung niên Việt Nam Đồng thời phương pháp xây dựng mô hình 3D Avatar theo vóc dáng cơ thể bằng phương pháp học sâu là khoa học và công nghệ hiện đại tiên phong hiện nay Sự liên kết khoa học giữa ngành công nghệ may và công nghệ thông tin hứa hẹn một tương lai mới của ngành công nghiệp thời trang thế giới nói chung và ngành công nghiệp dệt may Việt Nam nói riêng, đặc biệt đóng góp to lớn vào giai đoạn 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 được ma-nơ-canh kỹ thuật số phù hợp với vóc dáng người Việt Nam Ứng dụng được làm Avatar trong các phần mềm thiết kế trang phục 3D.

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: nghiên cứu, phân tích các tài liệu, công trình khoa học ở Việt Nam và trên thế giới có nội dung liên quan Nhận xét, đánh giá các vấn đề còn tồn tại Từ đó, định hướng nghiên cứu của luận án phù hợp với điều kiện ở Việt Nam

- Phương pháp nghiên cứu thực nghiệm cho từng nội dung cụ thể

Th ự c nghi ệ m phân lo ạ i vóc dáng cho nam trung niên TP HCM: 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 được thiết kế thành 3 giai đoạn: thứ nhất là thu thập và mô tả đặc trưng thống kê dữ liệu nhân trắc 3D; tiếp theo là phân loại vóc dáng 1106 nam giới

TP HCM, dự đoán kết quả sẽ có sự khác biệt về vóc dáng theo độ tuổi; cuối cùng là phân loại vóc dáng cho 378 nam trung niên TP HCM

+ Thu thập dữ liệu 3D và mô tả đặc trưng thống kê dữ liệu các kích thước thông qua giá trị trung bình, trung vị, độ lệch chuẩn, giá trị lớn nhất, giá trị nhỏ nhất, độ nhọn, phân vị Đồng thời xác định phân phối chuẩn của các kích thước cơ thể Các bước thực nghiệm như sau: o Chuẩn bị thiết bị đo dữ liệu kích thước cơ thể 2D và 3D là máy quét 3D Size Streamer ở trường Đại học Công nghiệp TP HCM o Lập kế hoạch quét 3D cho các đối tượng nghiên cứu o Mô tả đặc trưng thống kê các kích thước cơ thể sử dụng cho nghiên cứu vóc dáng và xây dựng Avatar 3D

+ Phân loại vóc dáng cho tổng 1106 nam giới trong độ tuổi lao động bao gồm sinh viên, công nhân, cán bộ, giảng viên đến từ các trường Đại học và Cao đẳng trong

TP Hồ Chí Minh Kết quả mô tả dữ liệu cho 1106 người cần thiết cho dữ liệu đầu vào của công tác nghiên cứu phương pháp xây dựng Avatar ban đầu Các bước thực nghiệm phân tích phân loại vóc dáng và đặc điểm gồm: Phân tích nhân tố chính; Kiểm định KMO và Bartlett’s; Phân tích phân nhóm K-mean và phân tích biệt số; So sánh phân tích ANOVA hoặc T-test; tính tỷ lệ liên hệ giữa các kích thước Xử lý dữ liệu trên phần mềm SPSS

+ Phân loại vóc dáng cho tổng 378 nam trung niên TP HCM: Nghiên cứu tập trung vào phân tích sự đa dạng vóc dáng cho lứa tuổi nam trung niên Các bước thực nghiệm phân tích phân loại vóc dáng và đặc điểm giống bên trên Kết quả dữ liệu và đặc trưng cơ thể của từng vóc dáng giai đoạn này được sử dụng làm dữ liệu đầu vào để xây dựng nên đa dạng Avatar 3D theo đa dạng vóc dáng nam trung niên TP Hồ Chí Minh

Th ự c nghi ệ m cho n ộ i dung xây d ự ng Avatar 3D: Để xây dựng Avatar 3D, nghiên cứu sinh đã lần lượt nghiên cứu 3 phần Đầu tiên là phương pháp toán học nội suy, sau đó là phương pháp học sâu, cuối cùng là kiểm tra may thử ảo áo dài cho mô hình 3D Avatar theo vóc dáng nam trung niên đã được xây dựng

+ Thiết kế mô hình 3D bằng phương pháp nội suy toán học Tác giả đề xuất một phương pháp hình thành các hàm biến dạng để có thể xây dựng lại cơ thể người 3D bằng các thông số kích thước cơ thể 2D và 3D Ý tưởng tiên tiến trong phương pháp của tác giả là chia cơ thể 3D theo từng phần của cơ thể người Theo cách đó, các tham số khác nhau cần thiết để nội suy cho từng phần được thiết lập Ghép các phần lại thành mô hình 3D cơ thể người hoàn chỉnh

+ Các đám mây điểm và các mắt lưới là một bước thiết yếu trong việc xây dựng các mô hình 3D Luận án này giới thiệu một phương pháp mới dựa trên nội suy qua phương pháp học sâu để tạo ra đám mây điểm của các đối tượng 3D từ các thông số kích thước cơ thể quan trọng Để tìm mối quan hệ giữa hình dạng và kích thước, luận án trình bày một phương pháp thể hiện dữ liệu 3D được gọi là cấu trúc lát mỏng (slice- structure) Một mô hình học dựa trên Mạng nơ-ron tích chập (Convolutional Neural Network -CNN) được thiết kế, sau đó được thao tác để tương thích với sự mô tả dữ liệu Các lát cắt chính được tạo ra bằng cách khớp với chiều cao xác định trước khi 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

2) Đã phối hợp giữa khoa học nhân trắc và thiết kế thời trang để trích xuất các kích thước cơ thể người từ dữ liệu 3D và sử dụng công cụ toán thống kê để phân tích dữ liệu phục vụ phân loại vóc dáng cho đối tượng nam trung niên Việt Nam

3) Lấy dữ liệu đầu vào là kết quả nội dung nghiên cứu 1 (kích thước 2D và vóc dáng 3D nam trung niên TP HCM), dựa trên cơ sở khoa học nhân trắc xây dựng các bài toán phân tích thành phần chính và sử dụng phương pháp học sâu và phương pháp toán học nội suy để giải các bài toán tiến tới mục tiêu 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 có sẵn.

GIÁ TRỊ THỰC TIỄN CỦA LUẬN ÁN

1) Bộ dữ liệu nhân trắc 2D và 3D nam trung niên TP HCM trên cơ sở dữ liệu 3D của 1106 nam giới TP HCM tuổi 18-60 được thu thập bằng thiết bị quét cơ thể người là đóng góp thực tiễn cho sự phát triển ngành thời trang may sẵn của Việt Nam

2) Xây dựng thành công Avatar 3D, kết nối thành công Avatar mới với phần mềm thiết kế thời trang CLO3D, ứng dụng thành công Avatar mới trong thiết kế thời trang là đóng góp mới 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 TP HCM Phân loại được thành 5 vóc dáng

2) Xây dựng được Avatar 3D theo vóc dáng nam trung niên Thành phố Hồ Chí Minh sử dụng phương pháp nội suy toán học, kết nối được phần mềm thiết kế thời trang CLO3D Ứng dụng thành công Avatar mới trong các phần mềm thiết kế thời trang là đóng góp thúc đẩy ngành Công nghệ dệt may và Thiết kế thời trang tại Việt Nam

3) Đã ứng dụng phương pháp 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

Cùng với cuộc cách mạng công nghiệp 4.0 trong thời điểm dịch Covid-19 ảnh hưởng nặng nề đến ngành thời trang, người ta đã quen với hình thức mua sắm trực tuyến với sự hỗ trợ của thiết kế 3D, thử đồ ảo,… [1-5, 29] (Hình 1.1) Một trong những bước quan trọng là phân loại và xác định hình dạng cơ thể của khách hàng để mặc vừa hơn Để tối ưu hóa việc ứng dụng phần mềm thiết kế 3D vào thiết kế sản phẩm may mặc cho người Việt Nam, trước tiên cần xây dựng thư viện Avatar ảo mang đặc điểm nhân trắc học của từng nhóm đối tượng Vì vậy việc nghiên cứu vóc dáng là một mắt xích quan trọng trong việc phát triển ngành công nghệ may và thời trang trên toàn thế giới và Việt Nam

Mặt trước thử trang phục ảo Mặt sau thử trang phục ảo Ở Việt Nam hiện nay, thị trường may mặc đang phát triển mạnh mẽ, bên cạnh các hãng thời trang nổi tiếng của quốc tế thì các công ty Việt Nam cũng cho ra rất nhiều sản phẩm may mặc phục vụ nhu cầu người tiêu dùng trong nước Tuy nhiên kích cỡ sản phẩm đa phần chưa phù hợp với vóc dáng và tỷ lệ cơ thể người Việt Các công trình nghiên cứu trước đây [10-12, 14-16, 20] đã chỉ ra rằng, đặc điểm hình dáng cơ thể người mặc có ảnh hưởng không nhỏ đến việc thiết kế trang phục và tạo dáng quần áo Việc phân loại hình dáng cơ thể người giúp người thiết kế thời trang phân biệt và nhận diện đặc trưng cơ thể người, từ đấy đề xuất phương pháp thiết kế hoặc điều chỉnh thiết kế phù hợp với quần áo cho người mặc (Hình 1.2) Trong các tài liệu thiết kế quần

Hình 1.1: Hình ảnh mặc thử trang phục ảo

7 áo trong và ngoài nước [30-35] đều khẳng định hình dạng bên ngoài của cơ thể người liên quan rất nhiều với phương pháp thiết kế và tạo dáng quần áo

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

Trong quá nghiên cứu cơ thể người, các nhà khoa học đã cho thấy tỉ lệ các phần cơ thể người phát triển không đồng đều theo thời gian [36, 37] Theo không gian, hoàn cảnh địa lý, chủng tộc thì các đặc điểm hình thái cơ thể cũng rất khác nhau Ngay cả cùng chủng tộc, cùng dòng họ, thậm chí giữa các cá nhân cũng nhận thấy sự khác biệt về các đặc điểm và tỷ lệ các bộ phận cơ thể này [36] Ở Việt Nam đã có những nghiên cứu về số liệu nhân trắc học nam và nữ ở các lứa tuổi [8-26], tuy nhiên các nghiên cứu liên quan đến vóc dáng và đặc điểm cơ thể nam giới trong độ tuổi trung niên từ 30-60 tuổi chưa được công bố trong các công trình khoa học trước

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 bao gồm phương pháp đo tiếp xúc bằng bộ dụng cụ đo Martin [38] và phương pháp đo không tiếp xúc như quét 3D [39] Công cụ thước đo do Rudolf Martin phát minh và được sử dụng trong công tác thống kê nhân trắc lần đầu trong các năm 1900- 1925 [38] Sau này thước đo Martin tiếp tục được sử dụng rộng rãi toàn cầu trong các nghiên cứu khoa học, trong khảo sát và thống kê nhân trắc quy mô lớn ở Việt Nam [21, 22, 24, 40-43] Một trong những máy quét 3D đầu tiên được sử dụng để sao chép cơ thể con người, mô tả trong hình 1.3, được sản xuất tại Loughborough những năm cuối thập niên tám mươi [44] Đây là một máy quét bóng có thể chụp đường viền của cơ thể con người nhưng không có chỗ lõm Vài năm sau, vào những năm đầu thập niên chín mươi, công ty Cyberware đã phát hiện ra nhu cầu về bản sao 3D của con người trong ngành công nghiệp điện ảnh Hollywood và tích cực nghiên cứu phục vụ điện ảnh Lúc đấy, những người thiết kế thời trang và thợ may cũng đã phàn nàn về việc khó tiếp cận với diễn viên để kiểm tra sự phù hợp của quần áo cho phim ảnh Từ đấy các phần mềm thiết kế thời trang có dùng mô hình quét 3D để thiết kế và thử ảo trang phục ban đầu phục vụ điện ảnh được nghiên cứu và phát triển mạnh mẽ [44] Có rất nhiều máy quét 3D có thể sử dụng quét toàn thân cơ thể người như Hamamatsu của Nhật Bản, Vitronic của Đức, Telmat của Pháp, SizeStream của Mỹ, v.v Kết quả thu được từ phương pháp đo không tiếp xúc từ máy quét toàn thân cơ thể người là kết quả trực tiếp, không chỉ là thông số đo 2D mà còn có cả hình dạng đám mây điểm ảnh cơ thể người 3D Hiện nay phương pháp đo không tiếp xúc bằng máy quét 3D trở nên thông dụng trên thế giới Ưu điểm của phương pháp này là giúp cho người nghiên cứu sẽ thu thập được tất cả các thông số kích thước một cách chính xác, đặc biệt là có thể lưu trữ dữ liệu 2D và 3D

8 sử dụng lâu dài và kế thừa 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

Trong các công trình nghiên cứu về xây dựng mô hình 3D cơ thể nam giới, bộ dữ liệu 2D và 3D của CAESAR [39, 45] được xem là một nguồn tài liệu tham khảo giá trị, đặc biệt về mốc nhân trắc trong 3D được trình bày với đầy đủ hình ảnh mô tả vị trí cụ thể trên cơ thể mặt trước, mặt sau, bên trái, bên phải Bộ dữ liệu 3D của CAESAR làm đại diện số đo của công dân Châu Mỹ và Châu Âu, được thống kê từ số đo của

2400 công dân Mỹ và Canada, 2000 công dân Châu Âu, phân bổ đồng đều đa dạng công việc, đa dạng chủng tộc Trong nghiên cứu CAESAR đã xác định 74 kích thước cơ thể bao gồm cả số đo bên trái và bên phải cơ thể và yêu cầu tư thế đứng và ngồi Trong thiết kế trang phục và Avatar trong phần mềm thiết kế trang phục, xu hướng thiết kế trang phục cho cơ thể đối xứng nên ta lấy số đo trung bình của bên trái và bên phải cơ thể làm kết quả cho xử lý số liệu và dựng hình

Xác định mốc nhân trắc chính xác là khởi điểm quan trọng đảm bảo độ chính xác bộ dữ liệu thông số kích thước cơ thể người, do vậy trong bất kỳ nghiên cứu khoa học về nhân trắc nào, việc xác định chính xác các mốc nhân trắc cũng được đặt lên hàng đầu Các mốc nhân trắc được tự động trích xuất từ máy quét 3D của CAESAR 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 được sử dụng trong mỗi một nghiên cứu sẽ điều chỉnh theo mục tiêu nghiên cứu Su Joung Cha [46] đã nghiên cứu phân loại hình dáng nam giới trưởng thành Hàn Quốc có chiều cao dưới 170cm trong độ tuổi từ 20 đến 60 65 kích thước đã được lựa chọn bao gồm 11 kích thước chiều cao, 19 kích thước chiều dài, 19 kích thước chu vi, 6 kích thước chiều rộng, 6 kích thước độ dày, nghiêng vai 2 kích thước và các 2 mục khác bao gồm cân nặng và BMI Hana Lee [47] đã nghiên cứu về vóc dáng cơ thể béo phì nam giới Hàn Quốc độ tuổi 30 và 40 sử dụng 40 kích thước cơ thể Keiko Wantanabe [48] đã phân loại vóc dáng cơ thể của đàn ông Nhật Bản từ

20 đến 70 tuổi để thiết kế quần áo, 67 kích thước được đo bằng thước đo chiều cao Martin và thước dây Người mẫu được yêu cầu giữ tư thế đứng tự nhiên, hai bàn chân cách nhau 20cm và cánh tay chếch xấp xỉ 20 độ Đường thẳng nối gót trái và gót phải của đối tượng được căn thẳng hàng song song với trục X Lim và các cộng sự [49] nghiên cứu về phân loại các kiểu cơ thể của đàn ông Trung Quốc ở Bắc Kinh và Thượng Hải Danh sách đo lường bao gồm tổng cộng 38 kích thước: 6 kích thước về chiều cao,

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

Theo Ergonomics trong ngành công nghiệp may [50], chỉ tiêu nhân trắc bao gồm: Chỉ tiêu nhân trắc tĩnh: nhằm cung cấp dữ liệu cho công tác định hình Avatar ảo có tư thế đứng thẳng trong phần mềm thiết kế trang phục 3D; Chỉ tiêu nhân trắc động: nhằm cung cấp dữ liệu cho Avatar ảo tư thế bước đi thời trang (catwalk) trong phần mềm thiết kế trang phục 3D Hầu hết các nghiên cứu về nhân trắc trên thế giới tuân theo tiêu chuẩn đo thông số kích thước cơ thể quốc tế như ISO/TRI 10652:1991; JIS L 4005:2001; KS K 0051:2004 Đối với một số nghiên cứu khoa học về nhân trắc may mặc tại Việt Nam, các mốc nhân trắc của tiêu chuẩn cơ bản theo TCVN5781-2009 Tiêu chuẩn này được xây dựng dựa trên cơ sở của tiêu chuẩn ISO 8559-1:2009 nên có tính thống nhất cao với yêu cầu của quốc tế, có độ tin cậy cao Ngoài ra, các nghiên cứu về nhân trắc học lao động thì theo Atlat nhân trắc học người lao động Việt Nam trong lứa tuổi lao động - dấu hiệu nhân trắc tĩnh và động [51]

1.1.2 Phương pháp phân loại vóc dáng cơ thể người

Nghiên cứu phân loại vóc dáng luôn là nghiên cứu cơ sở và quan trọng trong việc nâng cao độ vừa vặn trang phục cho người mặc Do vậy nghiên cứu phân loại vóc dáng đã được thực hiện từ vài chục năm trước đây với những phương pháp từ đơn giản đến phức tạp Khởi đầu là phân loại vóc dáng theo đặc trưng hình dạng tư thế cơ thể Sau đó, khi các thông số đo kích thước cơ thể được xác định, phương pháp phân loại vóc dáng theo tỷ lệ kích thước cơ thể, theo chỉ số tương quan kích thước cơ thể được nhiều nhà khoa học tin dùng Trong những năm gần đây, khi dữ liệu 2D và 3D cơ thể người được khai thác cùng với sự phát triển các phần mềm xử lý số liệu thống kê, phương pháp phân loại vóc dáng dựa trên cơ sở xử lý số liệu thống kê được đánh giá 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 theo tư thế cơ thể người, người ta căn cứ chủ yếu vào độ cong của cột sống và tương quan giữa viền phía trước và phía sau của cơ thể [52], Hình 1.8

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:

Dáng gù: ngực phẳng, lưng dài, rộng và cong, xương bả vai thường nhô cao, cơ bắp kém phát triển, vai và tay đưa về phía trước một chút, điểm đầu ngực (đầu núm vú) bị dịch chuyển xuống dưới So với người tư thế bình thường, người gù có chiều dài phần lưng phía sau cơ thể lớn hơn nhưng chiều dài phía trước cơ thể lại nhỏ hơn [34] Dáng ưỡn: ngực và vai rộng, nở nang, lưng phẳng hoặc hơi cong một chút về phía sau, bả vai không nhô lên, eo lõm vào, mông phát triển Điểm đầu ngực được nâng lên phía trên So với người có tư thế bình thường, chiều dài phía sau nhỏ hơn nhưng chiều dài phía trước lại lớn hơn

Tổng quan về ứng dụng công nghệ 3D tạo mô hình 3D Avatar trong ngành công nghiệp dệt may

3D là công nghệ được xây dựng từ các phần mềm máy tính, giúp người sử dụng có thể quan sát hình ảnh trong không gian ba chiều Ứng dụng của công nghệ này được sử dụng trong một số lĩnh vực đạt hiệu quả cao như Y học, xây dựng, kiến trúc, phim, trò chơi, trong mô phỏng đào tạo, công nghệ may và thiết kế thời trang [66]

Các nhà nghiên cứu khoa học trên thế giới và ở Việt Nam đã có nhiều công trình nghiên cứu về công nghệ 3D ứng dụng trong ngành công nghệ may và thiết kế thời trang theo các mức độ từ đơn giản đến phức tạp, cùng với nhiều phương pháp nghiên cứu khác nhau Sau khi phân tích và tổng hợp các công trình khoa học trước, luận án chia thành ba nhóm nghiên cứu như sau:

 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 phương pháp 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 [67], các tác giả đã sử dụng dữ liệu quét 3D, và đã đưa ra lý thuyết và nguyên lý làm trơn bề mặt cơ thể bằng cách di chuyển các điểm lõm của da đến vị trí ngang bằng với điểm lồi lân cận gần nhất Tiếp tục phát triển nguyên lý này để xây dựng bề mặt trang phục áo bó sát Áo bó sát sẽ được phát triển đi từ điểm lồi này sang điểm lồi tiếp theo, ví dụ tại mặt cắt ngang đi qua đỉnh ngực áo bó sát sẽ đi từ đỉnh ngực trái sang đỉnh ngực phải Tương tự ở mặt lưng phần lõm dọc theo cột sống cũng được làm lồi từ điểm lồi bên này của cột sống qua đến điểm lồi bên kia cột sống Sau khi làm lồi các điểm lõm của cơ thể để tạo hình áo bó sát, nhóm tác giả này chứng minh tại mỗi mặt cắt ngang của cơ thể (trong đó vòng eo, vòng bụng, vòng ngực) đều là kết hợp của một hình chữ nhật ở giữa và 2 nửa vòng tròn hai bên Phát triển nguyên lý tạo bề mặt 3D cho sản phẩm áo ôm, một số nhà khoa học khác đã phát triển thành mô hình 3D sản phẩm nữ [68], sản phẩm áo dáng ôm với nhiều chi tiết thiết kế [69-73], sản phẩm áo cơ sở có lượng dư cử động

Wang Zhaohui năm 2007 [75] đã nghiên cứu độ vừa vặn của áo vest nữ dạng X-line sử dụng công nghệ 3D Qua công trình nghiên cứu này, tác giả đã đưa ra được khoảng cách giữa bề mặt cơ thể đến mặt trong của vải, khái niệm REA (Radial Ease Allowance) lượng dư cử động từng phần cũng được khẳng định, công thức tính toán REA đã được xây dựng dựa theo kết quả đo từ thực nghiệm Để nghiên cứu được khoảng cách REA này, tác giả đã tiến hành thực nghiệm và đã tính được khoảng cách REA qua thực nghiệm theo quy trình: 1) thiết kế hoàn thiện áo vest bằng phương pháp phủ vải lên ma-nơ-canh, thực hiện đánh giá sản phẩm đảm bảo sản phẩm đạt độ vừa vặn tốt nhất; 2) thực hiện quét ma-nơ-canh không mặc áo; 3) thực hiện quét ma-nơ- canh có mặc áo vừa được thiết kế; 4) chồng 2 hình quét lên nhau và đo khoảng cách REA; 5) Xây dựng phương trình toán học của REA Như vậy, để thực hiện được nghiên cứu trên, tác giả đã sử dụng máy quét 3D 2 lần (1 lần mặc áo và 1 lần không mặc áo) và phải trải qua giai đoạn may mẫu thực trên ma-nơ-canh Jihong Xu và Wenbin Zhang năm 2009 [76] kế thừa nghiên cứu trên và áp dụng để tính lượng dư cử động từng phần cho ma-nơ-canh khi mặc nhiều sản phẩm được thiết kế bằng nhiều chất liệu khác nhau Tác giả cũng cần phải trải qua 2 lần quét ma-nơ-canh và may mẫu thực cho mỗi chất liệu

Năm 2012, Pingying Gu và các cộng sự của mình đã thực hiện nghiên cứu phương pháp thiết kế mẫu váy bó sát của phụ nữ dựa trên dữ liệu đám mây điểm 3D của 100 nữ sinh trường đại học Soochow Hàn Quốc [77] Trong nghiên cứu này, tác giả sử dụng phần mềm thu thập dữ liệu Imageware với một máy quét 3D Symcad của Telmat (đo không tiếp xúc) để lấy biểu đồ đám mây điểm cơ thể người; đồng thời đo thủ công các thông số Sau đó, các đặc điểm phần thân dưới của người phụ nữ trẻ được phân tích và tối ưu từ dữ liệu đám mây điểm thu được ở trên Xác định mối quan hệ giữa chiều cao cả cơ thể (X) với chiều cao eo (Y1), chiều cao bụng (Y2), chiều cao hông (Y3) Nghiên cứu đã phân loại kích thước cơ thể người phụ nữ trẻ dựa trên tỉ lệ chiều dày và chiều rộng của eo, bụng, hông Đưa ra sự tương ứng của đường cấu trúc trên mẫu thiết kế váy bó sát (váy dài đến đầu gối) và dữ liệu nhân trắc phần thân dưới của cơ thể người

Năm 2009, lần đầu tiên hệ thống máy quét 3D cơ thể người của [TC] 2 được nhập về Việt Nam và đặt tại Viện nghiên cứu Dệt May Việt Nam, số 478 Minh Khai Hà Nội Đây là cơ hội vàng cho các nhà khoa học chuyên ngành may và thời trang Việt Nam có được dữ liệu 3D cơ thể người Việt Nam để bắt đầu nghiên cứu ứng dụng trực tiếp cho đối tượng là người Việt Nam [40, 43]

Năm 2012, một luận án đã xây dựng bề mặt trang phục 3D có lượng dư cử động tối thiểu cho áo dáng ôm theo vóc dáng phụ nữ Việt Nam [15] Trong nghiên cứu này, tác giả đã sử dụng dữ liệu 3D thu được từ quá trình quét cơ thể để xây dựng bề mặt trang phục bó sát Từ bề mặt này, các tác giả đã đưa ra 2 phương pháp xác định khoảng cách từ bề mặt cơ thể đến bề mặt phía trong của trang phục, gồm phương pháp cộng từng phần lượng dư cử động và phương pháp cộng đều lượng dư để tính lượng dư cử động tối thiểu trên dữ liệu 3D trước khi trải phẳng Trong đó phương pháp cộng đều lượng dư được đã được chứng minh là có độ tin cậy cao và phương pháp thực hiện đơn giản Từ kết quả nghiên cứu lượng dư cử dộng này, tác giả đã ứng dụng vào thiết kế công thức thiết kế mẫu cơ sở cho trang phục nữ có điều chỉnh theo vóc dáng để phù hợp với sự đa dạng vóc dáng của phụ nữ Việt Nam

Năm 2012, Phan Thanh Thảo và cộng sự đã nghiên cứu chế tạo hệ thống ma- nơ-canh trẻ em trai và gái và ứng dụng thiết kế thời trang cho đối tượng học sinh tiểu học nam và nữ từ dữ liệu quét 3D [78, 79] Kết quả nghiên cứu được đánh giá cao trong sản xuất công nghiệp, thỏa mãn sự thiếu hụt về phom dáng ma-nơ-canh trẻ em trên thị trường lúc bấy giờ

Năm 2013, Nguyễn Thị Ngọc Quyên và cộng sự [25] đã nghiên cứu trích xuất mốc đo cơ thể nam sinh viên 18-24 tuổi từ ảnh chụp 2D Kết quả thu nhận được 33 mốc đo từ mặt trước, 29 mốc đo từ mặt nghiêng, các mốc đo này được ứng dụng để xây dựng mô hình cơ thể người 3D theo thuật toán tính kích thước cơ thể 3D

Năm 2015, Nguyễn Thanh Tùng và cộng sự đã xây dựng công thức các đường cong ngang lưới cơ sở chân váy nữ sinh Việt Nam sử dụng công nghệ 3D để nghiên cứu về mô hình hóa bề mặt chây váy nữ bó sát từ các ảnh quét 3D cơ thể [80] Sử dụng các đường cơ sở chân váy nữ trên mẫu quét 3D thực nghiệm, xây dựng công thức toán

22 học các đường cong ngang 3D của lưới trang phục Kết quả xây dựng lưới trang phục cho chân váy bó sát

Năm 2019, Lưu Hoàng [81] đã sử dụng dữ liệu quét 3D cơ thể người chưa có quần áo, dữ liệu quét 3D cơ thể người có quần áo để xác định thông số D-text thể hiện 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 2 lưới này là cơ sở thiết kế quần áo 3 chiều Đồng thời nghiên cứu cũng đưa ra thuật toán và giới thiệu phần mềm có khả năng ứng dụng tạo lưới bề mặt quần áo từ bề mặt cơ thể dựa trên kết quả D-text, từ đó mô phỏng chi tiết quần áo

Cùng năm 2019, Nguyễn Quốc Toản [82] đã mô phỏng 3D cơ thể người và quần áo sử dụng ảnh quét 3D phối hợp với ảnh chụp cắt lớp CT cho phần thân dưới cơ thể nữ thanh niên Việt Nam 18-25 tuổi Nghiên cứu tập trung vào ba phần chính là phần bụng, phần mông và phần đùi Kết quả đã đạt được mô hình mô phỏng từng phần cơ thể như đã đề cập, đồng thời mô phỏng và thực nghiệm xác định áp lực tiện nghi của quần bó sát lên cơ thể người

Nhìn chung, đã có nhiều nghiên cứu về mô hình 3D sản phẩm và ứng dụng của công nghệ 3D cho ngành may mặc Việt Nam Các nghiên cứu tạo ra mô hình cơ thể người Việt Nam theo các thuật toán hoặc phương pháp nghiên cứu hiện đại như AI vẫn còn hạn chế Các nghiên cứu ứng dụng mà nhà nghiên cứu khoa học dệt may tập trung vào phần lớn cho đối tượng là nữ giới Việt Nam, các nghiên cứu cho nam giới Việt Nam còn hạn chế, đặc biệt chưa có nội dung nghiên cứu cho nam trung niên Việt Nam hoặc tỉnh thành nào của Việt Nam

1.2.2 Xây dựng mô hình 3D bằng phương pháp nội suy toán học hay hồi quy từ dữ liệu quét 3D

Trên thế giới có nhiều nhà khoa học đã nghiên cứu về mô hình 3D cơ thể người dùng các phương pháp nội suy toán học hay hồi quy

Năm 2014, tác giả Shuxia Wang đã đề xuất phương thức xây dựng cơ thể người 3D với dữ liệu đầu vào từ máy quét 3D [83] nhằm ứng dụng trong ngành thiết kế trang phục Tác giả đã nghiên cứu việc cải thiện khung xương cho mô hình người 3D để có thể thiết kế trang phục ảo phù hợp hơn Đồng thời nghiên cứu này sử dụng kỹ thuật nội suy để xấp xỉ các mặt cắt ngang của cơ thể người Nhóm nghiên cứu này đã chia mô hình thành các bộ phận nhỏ rồi dùng pháp nội suy Hermite để nội suy Hermite từng phần của mô hình Dựa vào các thông số đã có trước, ta xác định vị trí các lát cắt chính của cơ thể người bao gồm cổ, ngực, bụng, mông và các vòng của tứ chi Tiếp theo xác định các điểm chính (cố định không thay đổi) của các lát cắt chính này trên khung định vị và tiến hành điều chỉnh các điểm này cho phù hợp, tương ứng với các thông số đã có Áp dụng phép nội suy (nội suy hermite) để thêm các điểm vào lát cắt sao cho phù hợp với hình dạng của cơ thể người tại vị trí lát cắt đó Dựa trên các lát cắt chính đã xây dựng được, sử dụng nội suy để tạo ra các lát cắt phụ ở các phần khác nhau của cơ thể nhằm tạo ra các bộ phận cơ thể đã hoàn chỉnh về mặt hình dáng Tổ hợp tất cả các lát cắt tạo thành một mô hình 3D cơ thể người hoàn chỉnh

Trong một bài báo của Yanhong Zeng, Jianlong Fu và Hong Yang Chao nghiên cứu về vấn đề này [84] năm 2018, nhóm nghiên cứu đã đề xuất một kỹ thuật lập bản đồ cục bộ dựa trên lựa chọn tính năng mới, cho phép lập mô hình thông số nhân trắc học tự động cho từng khía cạnh cơ thể Cụ thể, mô hình định hình lại được đề xuất bao gồm ba bước Đầu tiên là tính toán các thông số nhân trắc học toàn bộ cơ thể từ các thông số đầu vào của người dùng hạn chế bằng kỹ thuật nhập và do đó có thể thu được các thông số nhân trắc học cần thiết cho định hình lại cơ thể 3D Thứ hai, chọn các thông số nhân trắc học phù hợp nhất cho từng khía cạnh bằng cách sử dụng các mặt nạ liên quan, được học ngoại tuyến bằng kỹ thuật lập bản đồ cục bộ được đề xuất Thứ ba, nhóm nghiên cứu tạo lưới cơ thể 3D bằng cách ánh xạ ma trận, được học bằng hồi quy tuyến tính từ các tham số đã chọn để biểu diễn phần thân dựa trên lưới Mô hình hóa hình dạng cơ thể người từ các điểm đám mây được quét từ máy quét cơ thể 3D: Trích xuất thông tin, dữ liệu các điểm đám mây khi quét 3D cơ thể người, sau đó cải thiện cấu trúc và chia cơ thể người thành 7 phần Tiếp theo xác định vị trí của các mặt cắt ngang và xác định các điểm của mỗi lát cắt, tiến hành trích xuất các điểm chính của các lát cắt, nội suy các điểm này bằng phương pháp nội suy spline Xây dựng khung dây cho các bộ phận của cơ thể rồi kết nối các bộ phận thành một chỉnh thể Cuối cùng tạo các lưới tam giác làm bề mặt cho mô hình để hoàn thiện mô hình cơ thể người ảo

Kết luận chương 1

Ngành dệt may là một trong ngành mũi nhọn trong nền kinh tế quốc dân nước ta Hiện nay xu hướng sử dụng các phần mềm thiết kế trang phục 3D đang phổ biến trên thế giới cũng như ở Việt Nam Tuy nhiên vóc dáng trong các phần mềm này chưa được nghiên cứu từ dữ liệu nhân trắc và vóc dáng của người Việt Nam Vì vậy việc nghiên cứu xây dựng mô hình 3D Avatar theo thông số người Việt để thiết kế cho trang phục là giải pháp nâng cao năng lực cạnh tranh của ngành công nghệ dệt may nước ta trong xu thế hội nhập

Có nhiều cách để thu thập dữ liệu và phân loại vóc dáng cơ thể Trong đó phương pháp xác định thông số kích thước cơ thể bằng máy quét 3D cho kết quả chính xác và lưu trữ sử dụng lâu dài phục vụ tốt cho nghiên cứu kế thừa Kết quả đo được xử lý số liệu bằng phương pháp xác suất thống kê, chạy trên phần mềm SPSS có độ tin cậy cao Các bài toán xử lý số liệu xác định phân phối chuẩn, như phân tích thành phần chính, phân tích phân nhóm K-mean, phân tích biệt số, ANOVA, t-test được tin dùng nhiều bởi các nhà khoa học, kết quả tin cậy Do vậy trong luận án sẽ kế thừa phương pháp nghiên cứu phân loại vóc dáng này cho đối tượng nam trung niên Việt Nam sống và làm việc tại Thành phố Hồ Chí Minh

3D là công nghệ được xây dựng từ các phần mềm máy tính, giúp người sử dụng có thể quan sát hình ảnh trong không gian ba chiều Khi biểu diễn một mô hình ba chiều, ta có thể: Biểu diễn dưới dạng mô hình khung dây, mô hình lưới đa giác; biểu diễn bề mặt trơn tham số; biểu diễn đường và mặt cong tham số NURBS Cơ sở lý thuyết về mô hình hóa được trình bày các phương pháp xây dựng mô hình hóa 3D theo bài toán nội suy đa thức, nội suy bằng hàm Spline bậc 3, nội suy đường cong Hermite được sử dụng rộng rãi trong đồ họa máy tính để có được các đường cong hoặc quỹ đạo chuyển động đi qua các điểm xác định của mặt phẳng hoặc không gian ba chiều

Sau khi tổng quan các nghiên cứu trước đây có nội dung liên quan đến đề tài, luận án xác định có 2 vấn đề chưa được quan tâm trong công cuộc cạnh tranh phát triển ngành công nghệ may và thiết kế thời trang ở Việt Nam Một là thiết kế trang phục cho đối tượng nam trung niên Việt Nam chưa được quan tâm nhiều so với sự đóng góp vào sự phát triển đất nước của họ Hai là ở Việt Nam chưa có công trình nghiên cứu khoa học nào ứng dụng công nghệ thông tin tiên tiến phương pháp học sâu để tái tạo và xây dựng mô hình Avatar 3D dựa trên mạng nơ-ron Để giải quyết hai vấn đề này, hướng nghiên cứu của luận án tiến sĩ này sẽ tập trung vào 2 nội dung chính là: (1) thu thập kích thước cơ thể bằng máy quét 3D và phân loại vóc dáng nam trung niên Thành phố

Hồ Chí Minh để làm cơ sở dữ liệu đầu vào cho xây dựng Avatar; (2) xây dựng Avatar 3D dựa trên đám mây điểm phù hợp để khám phá mối quan hệ giữa các phép đo và hình dạng 3D bằng Mạng nơ-ron tích chập (Convolutional Neural Network -CNN) Nội dung và kết quả nghiên cứu được cụ thể hóa qua đề tài “Phân loại vóc dáng nam trung niên Thành phố Hồ Chí Minh ứng dụng xây dựng Avatar trong phần mềm thiết kế trang phục 3D” sẽ được trình bày trong chương 2 và 3

NỘI DUNG, ĐỐI TƯỢNG, PHƯƠNG PHÁP NGHIÊN CỨU

Mục tiêu nghiên cứu

- Nghiên cứu phân loại vóc dáng nam trung niên Thành phố Hồ Chí Minh

- Xây dựng được ma-nơ-canh kỹ thuật số phù hợp với vóc dáng người Việt Nam Ứng dụng được làm Avatar trong các phần mềm thiết kế trang phục 3D.

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 đạt được mục tiêu phân loại vóc dáng nam trung niên TP HCM, luận án sử dụng dữ liệu kích thước 2D và đám mây điểm 3D cơ thể của 378 người nam trung niên khối văn phòng ở Thành phố Hồ Chí Minh, Việt Nam Đối tượng này được sử dụng để nghiên cứu phân loại vóc dáng cơ thể người, sử dụng để kiểm tra và thử nghiệm độ vừa vặn của trang phục cho người nam trung niên

- Để hoàn thành mục tiêu xây dựng được Avatar 3D trong các phần mềm thiết kế trang phục 3D theo vóc dáng người Việt Nam, luận án sử dụng dữ liệu 2D và 3D kích thước cơ thể của 1706 người Việt Nam, gồm 1106 nam giới và 600 nữ giới Đối tượng này cần thiết cho nghiên cứu xây dựng Avatar nam và nữ bằng phương pháp học sâu vốn cần số lượng lớn dữ liệu 3D

- Nghiên cứu phân loại vóc dáng và đặc điểm nhân trắc của nam trung niên khối văn phòng sống và làm việc tại Thành phố Hồ Chí Minh, tuổi từ 30 đến 60

- 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: nghiên cứu, phân tích các tài liệu, công trình khoa học ở Việt Nam và trên thế giới có nội dung liên quan Nhận xét, đánh giá các vấn đề còn tồn tại Từ đó, định hướng nghiên cứu của luận án phù hợp với điều kiện ở 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 là phân loại vóc dáng cho tổng 1106 nam giới TP HCM tuổi 18÷60 Giai đoạn 3 nghiên cứu tập trung vào phân tích sự đa dạng vóc dáng cho 378 nam trung niên 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

+ Mô tả đặc trưng thống kê của các kích thước cơ thể người a) Dụng cụ và thiết bị đo sử dụng trong nghiên cứu i Thước đo chiều cao đứng nghiêm và cân nặng: Cân đo sức khỏe InBody ii Thiết bị thu thập dữ liệu quét 3D: đo không tiếp xúc sử dụng máy quét cơ thể SizeStream SS14 của Mỹ, thiết bị đặt tại Phòng máy chất lượng cao của khoa May Thời Trang Đại học Công nghiệp TP Hồ Chí Minh như hình 2.2 Công trình khoa học nghiên cứu kiểm tra và đánh giá cao về độ chính xác và tin cậy của hệ thống quét SS14

[105] Để đảm bảo độ chính xác, chuyên viên điều hành máy đảm bảo 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:

+ Thể tích vùng quét lớn nhất trên thị trường với kích thước chiều cao 2,1m, chiều rộng và chiều dài 1,2m; Cho phép khách hàng tháo rời, vận chuyển, và lắp ghép lại 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 của máy quét 3D cho phép đo đến 210 kích thước trên cơ thể Tùy thuộc vào mục tiêu nghiên cứu, các nhà khoa học có thể lựa chọn số đo cơ thể phù hợp Quá trình thu thập dữ liệu quét 3D cần được thực hiện chỉnh chu và chính xác, theo quy trình sau [40, 105]:

* 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 lót ôm sát

Bước 2: Nhập thông tin cá nhân người đo vào máy tính kết nối điều khiển với phòng quét 3D Thông tin cá nhân bao gồm: họ và tên, tuổi, chỗ ở, nghề nghiệp Mỗi đối tượng đo được đặt một mã số

Bước 3: Đo chiều cao, cân nặng bằng cân sức khỏe điện tử Inbody như hình 2.3

Thước đo này đặt cạnh máy tính nhập thông tin cá nhân Sau khi đo thì kỹ thuật viên nhập dữ liệu chiều cao cân nặng vào file dữ liệu lưu trữ cho từng người mẫu trước khi bước 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 (phía ngoài của buồng đo), sẽ điều khiển máy hoạt động theo chế độ tự động Kỹ thuật viên kiểm tra kết quả và yêu cầu quét lại khi cần

Bước 5: Sau khi kiểm tra kết quả đo đạt yêu cầu, người được đo mặc lại quần áo, tiến hành làm các thủ tục xác nhận phép đo, kết thúc quá trình đo Tên người được đo được ghi lại trên dữ liệu 3D của người đó

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 là phần mềm đi kèm thiết bị quét toàn thân cơ thể người 3 chiều của hãng Size Stream 3D body scanner Từ các dữ liệu thu được sau khi quét hình ảnh cơ thể người, phần mềm cho phép lưu giữ file ảnh của cơ thể trong máy tính, đồng thời tự động trích xuất kết quả đo hoặc cho phép người sử dụng chỉnh sửa các khái niệm, các mốc đo và kích thước đo phù hợp yêu cầu b) Xác định cỡ mẫu

- 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 suất tin cậy)

Trong thực tế mức xác suất 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 và để tìm hiểu về cỡ mẫu trong nghiên cứu hình thái cơ thể trên thế giới cũng như ở Việt Nam thì độ lệch chuẩn (σ) thường lấy theo độ lệch chuẩn của chiều cao đứng là một trong những kích thước chủ đạo quan trọng Đề tài cũng lựa chọn chiều cao đứng để ước tính độ lệch chuẩn bằng cách đo chiều cao đứng 30 nam trung niên bất kì và tính độ lệch chuẩn là σ = 5,33cm

Trường hợp nghiên cứu sử dụng mức xác suất P = 0,95 tương ứng với đặc trưng xác suất 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) đã xác định được n  109,135 người tức là số người ở mỗi nhóm tuổi tối thiểu là 110 mới đảm bảo độ tin cậy tối thiểu Theo tài liệu nhân trắc học người Việt Nam [22, 27, 28, 36] chia nam giới trung niên thành 3 nhóm tuổi 30÷40 tuổi, 41÷50 tuổi, 51÷60 tuổi Số lượng người đo theo từng nhóm tuổi trong luận án là

143 người nhóm 30÷40 tuổi, 120 người nhóm 41÷50 tuổi, 115 người nhóm 51÷60 tuổi

Số lượng mẫu tham gia đo 3D nhiều hơn số lượng tối thiểu đề phòng số lạc và hình ảnh 3D không rõ ràng do bị nhiễu Luận án đo và sử dụng dữ liệu của 378 nam trung niên

Kết luận chương 2

Để đạt được mục tiêu nghiên cứu, luận án đã sử dụng 1706 bộ dữ liệu kích thước cơ thể người

Trong đó, 1106 bộ dữ liệu kích thước 3D cơ thể nam giới TP HCM từ 18-60 tuổi được thu thập bằng máy quét cơ thể SizeStream SS14 của Mỹ đặt tại Phòng máy chất lượng cao của khoa May Thời Trang Đại học Công nghiệp Thành phố Hồ Chí Minh Đây là hệ thống quét cơ thể người có tính hợp lệ và độ tin cậy được xây dựng theo ISO 20685:2005 và ISO 20685-1:2018 và ISO 8559:1989 Từ 1106 bộ dữ liệu quét 3D cơ thể nam giới, các mốc nhân trắc và các kích thước cơ thể ở từng phần cổ, thân, tay, chân đã được trích xuất tự động tuân theo ISO 20685:2005 và ISO 20685-1:2018 và ISO 8559:1989

Còn lại, 600 bộ thông số đo tay và 600 tập tin định dạng “obj” của 600 người nữ khác nhau có độ tuổi từ 18 đến 60 từ máy quét 3D Bộ dữ liệu này từ nhóm nghiên cứu về may mặc của Đại học Bách khoa Hà Nội

1106 bộ dữ liệu kích thước 2D cơ thể nam giới TP HCM (được trích xuất từ dữ liệu quét 3D) đã được sử dụng để phân loại vóc dáng nam giới TP HCM trong độ tuổi lao động 378 bộ dữ liệu kích thước 2D của nam giới TP HCM tuổi từ 30-60 được sử dụng để phân loại vóc dáng nam trung niên TP HCM

Phân loại vóc dáng cơ thể nam trung niên được thực hiện theo các bước: Xác định tỷ lệ phân bố của từng loại vóc dáng trong từng nhóm tuổi; Phân loại theo chiều cao, theo chiều dài thân, chỉ số khối lượng cơ thể Các bước thực nghiệm phân tích phân loại vóc dáng và đặc điểm gồm: phân tích thành phần chính; Kiểm định KMO và Bartlett’s; Phân tích phân nhóm K-mean và phân tích biệt số; so sánh phân tích ANOVA hoặc T-test; tính tỷ lệ liên hệ giữa các kích thước đảm bảo độ tin cậy của các kết luận Xử lý dữ liệu trên phần mềm SPSS

Xây dựng Avatar cơ thể nữ bằng phương pháp nội suy toán học Bộ dữ liệu đầu vào là 600 bộ thông số đo tay và 600 tập tin định dạng “obj” của 600 người nữ khác nhau có độ tuổi từ 18 đến 60 từ máy quét 3D

Xây dựng Avatar cơ thể nữ và nam bằng phương pháp học sâu Bộ dữ liệu đầu vào là gồm có 1106 bộ dữ liệu 2D (được trích xuất từ bộ dữ liệu 3D) và 1106 tập tin định dạng “obj” của 1106 người nam khác nhau có độ tuổi từ 18 đến 60 từ máy quét 3D Bộ dữ liệu này được xây dựng tại trường Đại học Công nghiệp Tp Hồ Chí Minh Đánh giá mẫu mặc trên Avatar: Luận án tiến hành thiết kế ảo, may ảo và thử ảo áo dài nam để xác định khả năng ứng dụng của Avatar 3D mới được xây dựng theo kích thước nam trung niên TP HCM trên phần mềm CLO3D hiện đang được sử dụng rộng rãi

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 được 1106 bộ dữ liệu 2D và 3D của 1106 nam giới Thành phố Hồ Chí Minh tuổi từ 18 đến 60, trong đấy có 378 nam trung niên trong độ tuổi 30 đến 60 Mỗi một bộ dữ liệu có:

1) File dữ liệu 3D ở dạng đám mây điểm ảnh như hình 3.1

2) File dữ liệu 3D có 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

210 kích thước cơ thể người trình bày trong bảng 3.1

Số lượng các kích thước cơ thể được tự động hóa trích xuất nhiều nhất có thể Khi các nhà khoa học xác định mục tiêu nghiên cứu và chọn các thông số đo cần thiết cho mục tiêu nghiên cứu của mình trong 210 kích thước đã có

Dữ liệu số đo trích xuất bằng tiếng Anh Bảng tiếng Việt phụ lục 1, (Bảng tên người được quét đã được mã hóa và số đo cơ thể được trình bày trong phụ lục 4, từ danh sách tên người đã được mã hóa, phần mềm sẽ tự động trích xuất được danh sách tên người được quét -Phụ lục 3) sẽ được cung cấp khi khách hàng yêu cầu

Hình 3.1: Dữ liệu 3D ở dạng đám mây điểm ảnh và bề 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

78 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, biểu đồ đường cong chuẩn (Histograms with normal curve) và biểu đồ xác suất chuẩn (Normal Q-Q Plots) như trong bảng 3.2 cho thấy các kích thước nhân trắc được sử dụng những giá trị trung bình (X̅) đều nằm gần các giá trị trung vị (Me) Đồng thời, các kích thước đều có độ tin cậy nằm trong giới hạn cho phép Tuy nhiên kích thước chiều dài từ đốt cổ 7 đến eo có biểu đồ xác suất chuẩn (Normal Q-Q Plots) và trị số mong đợi phân bố không nằm sát theo đường phân phối chuẩn Bảng 3.2 tổng hợp các biểu đồ xác định phân phối chuẩn của tất cả các kích thước Bảng 3.3 mô tả dữ liệu 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, 95, 99 Tùy theo mục đích nghiên cứu, các giá trị kích thước cơ thể theo phân vị có giá trị nghiên cứu quan trọng như nghiên cứu của Viện Khoa học an toàn và vệ sinh lao động có đề cập đến nội dung này [22,

54] Các nghiên cứu về cơ thể người của nam giới Việt Nam chưa chú trọng đến kết quả phân vị Do vậy kết quả phân tích phân vị của luận án này mong muốn đóng góp vào tài nguyên nghiên cứu chung của số đo cơ thể nam giới Việt Nam, tập trung vào nam giới TP HCM 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

Trung bình Trung vị Độ lệch chuẩn Độ xiên

Khoảng biến thiên GTNN GTLN

Chiều cao cơ thể 168,95 168,77 5,65 0,19 34,84 154,06 188,90 156,91 160,00 162,00 163,07 164,91 168,77 172,93 175,50 176,50 178,34 182,94 Cân nặng 63,36 63,00 10,21 0,53 64,10 41,30 105,40 44,50 48,00 50,37 52,40 55,80 63,00 69,73 73,49 76,72 81,63 90,93 Chiều cao cằm 144,94 144,62 5,37 0,29 35,59 130,19 165,78 133,47 136,61 138,19 139,27 141,07 144,62 148,53 150,89 152,10 154,24 158,29 Chiều cao vai 131,68 131,13 5,05 0,30 29,95 118,33 148,28 120,99 124,32 125,52 126,43 128,03 131,13 134,97 137,17 138,48 140,78 144,28 Chiều cao eo 97,38 97,07 6,13 0,22 33,83 82,40 116,23 84,74 88,01 89,45 90,59 92,80 97,07 101,61 103,86 105,55 107,83 112,95 Chiều cao bụng 89,04 88,85 5,34 0,05 33,75 73,29 107,04 76,09 80,17 82,02 83,70 85,51 88,85 92,62 94,50 96,14 97,80 102,02 Chiều cao ngồi 74,94 74,87 3,82 0,07 30,66 57,77 88,43 65,76 68,54 70,31 71,18 72,54 74,87 77,50 78,69 80,01 81,31 84,17 Chiều cao háng 73,43 73,31 3,80 0,09 30,39 57,61 88,00 64,61 67,57 68,74 69,62 70,88 73,31 75,92 77,27 78,32 79,76 82,36 Chiều cao đùi 68,35 68,23 3,80 0,09 30,39 52,53 82,92 59,53 62,49 63,66 64,54 65,80 68,23 70,84 72,19 73,24 74,68 77,28 Chiều cao gối 40,36 40,29 1,96 0,07 13,74 31,77 45,51 36,01 37,19 37,94 38,43 39,08 40,29 41,54 42,49 43,02 43,86 44,98 Vòng chân cổ 40,92 40,81 2,35 0,41 14,91 34,90 49,81 35,98 37,27 38,01 38,63 39,29 40,81 42,39 43,30 44,00 45,02 47,57 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 cho thấy có một số kích thước có phân bố chưa phù hợp với phân bố chuẩn, còn có sự sai lệch giữa giá trị trung bình và giá trị trung vị Điều này cho thấy có sự phân nhóm Vấn đề này sẽ được phân tích kỹ trong mục 3.3.1

Kết quả phân tích các đặc trưng thống kê, biểu đồ đường cong chuẩn (Histograms with normal curve) và biểu đồ xác suất chuẩn (Normal Q-Q Plots) như trong bảng 3.2 cho thấy các kích thước nhân trắc được sử dụng những giá trị trung bình (X̅) đều nằm gần các giá trị trung vị (Me) Đồng thời, các kích thước đều có độ tin cậy nằm trong giới hạn cho phép Tuy nhiên kích thước chiều dài từ đốt cổ 7 đến eo có biểu đồ xác suất chuẩn (Normal Q-Q Plots) và trị số mong đợi phân bố không nằm sát theo đường phân phối chuẩn Bảng 3.2 tổng hợp các biểu đồ xác định phân phối chuẩn của tất cả các kích thước Bảng 3.3 mô tả dữ liệu 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, 95, 99 Tùy theo mục đích nghiên cứu, các giá trị kích thước cơ thể theo phân vị có giá trị nghiên cứu quan trọng như nghiên cứu của Viện Khoa học an toàn và vệ sinh lao động có đề cập đến nội dung này [22, 54] Các nghiên cứu về cơ thể người của nam giới Việt Nam chưa chú trọng đến kết quả phân vị Do vậy kết quả phân tích phân vị của LA này mong muốn đóng góp vào tài nguyên nghiên cứu chung của 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

Theo tài liệu về độ tuổi lao động, nam giới trong độ tuổi 30-60 được gọi là nam trung niên [27, 28] Độ tuổi này đóng góp lớn cho kinh tế nước nhà nhưng chưa có nghiên cứu về vóc dáng và đặc điểm cơ thể dành riêng cho họ Cỡ mẫu (n) trong nhóm đối tượng này được xác định theo công thức 2

(đã được trình bày cụ thể ở chương 2) Số lượng người được đo cho nghiên cứu này là 378 nam giới trung niên trong độ tuổi từ 30 đến 60 được phân bổ tương đối đồng đều Trong đó có 143 người nhóm 30÷40 tuổi, 120 người nhóm 41÷50 tuổi, 115 người nhóm 51÷60 tuổi Trong nghiên cứu này, dữ liệu nhân trắc học của 38 kích thước cơ thể được sử dụng để xác định các đặc điểm liên quan đến hình thể của nam trung niên TP HCM

Kết quả phân tích các đặc trưng thống kê, biểu đồ đường cong chuẩn (Histograms with normal curve) và biểu đồ xác suất chuẩn (Normal Q-Q Plots) cho thấy hầu hết kích thước nhân trắc được sử dụng đều có giá trị trung bình (X̅) nằm gần các giá trị trung vị (Me) và số trội (Mo) Đồng thời, các kích thước này đều có độ tin cậy nằm trong giới hạn cho phép Tuy nhiên 5 kích thước như chiều dài hõm cổ đến eo, chiều dài cung vòng đũng, chiều dài từ đốt cổ 7 đến eo, vòng cổ tay, vòng cổ chân có sự chênh lệch giữa 2

88 giá trị trung bình và giá trị trung vị lớn hơn 1 cm Để xác định độ tin cậy của thang đo lường ta xác định hệ số Cronbach’s Alpha trong phạm vi từ 0 đến 1

Bảng 3.4: Kết quả xác định hệ số Cronbach’s Alpha

Cronbach's Alpha Số lượng kích thước

Khi hệ số Cronbach’s Alpha càng tiến dần về 1 độ tin cậy càng cao, khi hệ số Cronbach’s Alpha càng tiến dần về 0 độ tin cậy càng thấp Một kích thước là chiều dài bàn chân không liên quan đến phân tích vóc dáng nên cũng được loại bỏ Với 32 kích thước đã xác định ở trên hệ số Cronbach’s Alpha = 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

Các đặc trưng thống kê của các kích thước cơ thể của đối tượng nam trung niên

TP HCM 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, 95, 99 được trình bày 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 167,95 167,00 5,39 0,35 29,00 155,00 184,00 156,40 159,48 161,50 164,37 167,00 171,50 176,00 177,50 194,98 Chiều cao đầu 23,65 23,56 1,62 -0,24 12,74 15,83 28,57 19,49 20,91 21,74 22,68 23,56 24,71 25,85 26,36 27,54 Xuôi vai 4,73 4,69 0,65 0,09 3,52 3,14 6,65 3,30 3,61 3,91 4,30 4,69 5,13 5,65 5,91 5,63 Chiều cao cằm 144,11 143,36 5,07 0,46 29,27 130,19 159,46 134,53 136,58 137,87 140,75 143,36 147,13 151,31 153,73 167,56 Chiều cao giữa cổ trước 139,42 138,61 4,78 0,44 25,05 128,33 153,38 129,52 132,14 133,99 136,32 138,61 142,29 146,26 148,32 162,03 Chiều cao hõm cổ 136,18 135,24 4,80 0,43 24,37 125,63 150,00 126,04 128,74 130,66 133,14 135,24 138,96 143,27 145,04 158,30 Chiều cao bụng 87,83 87,55 4,30 -0,03 22,91 75,89 98,80 77,62 80,26 81,96 85,25 87,55 90,79 93,61 95,32 102,03 Chiều cao eo 93,05 92,62 4,65 0,68 28,75 82,40 111,15 83,01 86,72 87,73 89,81 92,62 95,80 99,16 101,77 108,79 Chiều cao ngồi 74,64 74,48 3,53 -0,20 21,70 61,87 83,57 65,16 68,23 70,31 72,70 74,48 77,29 79,13 80,64 86,55 Chiều cao háng 72,49 72,44 3,45 -0,14 19,70 61,32 81,02 64,08 66,42 68,30 70,36 72,44 74,91 77,15 78,21 84,13 Chiều cao đùi 67,41 67,36 3,45 -0,14 19,70 56,24 75,94 59,00 61,34 63,22 65,28 67,36 69,83 72,07 73,13 78,29 Chiều cao gối 40,37 40,25 1,76 0,23 9,63 35,67 45,30 36,12 37,62 38,26 39,21 40,25 41,28 42,93 43,64 46,94 Chiều cao ngực 118,73 118,32 4,61 0,44 27,83 106,64 134,47 109,03 112,18 113,46 115,36 118,32 121,35 124,85 128,18 138,34 Vòng chân cổ 41,94 41,79 2,17 0,38 14,14 35,67 49,81 36,61 38,39 39,25 40,55 41,79 43,20 44,82 45,47 48,75 Vòng ngực qua đầu ngực 97,10 96,99 5,57 0,20 33,22 81,86 115,08 84,10 87,88 90,16 93,06 96,99 100,66 104,59 106,02 113,00 Vòng ngực dưới đầu ngực 3cm 95,36 95,41 5,59 0,22 34,52 79,65 114,17 82,70 86,11 88,62 91,35 95,41 98,76 102,60 104,25 110,99 Vòng ngực tại nếp nách 98,83 98,57 4,97 0,21 31,34 82,93 114,27 88,99 91,18 92,51 95,44 98,57 102,18 105,40 107,12 115,04 Vòng eo 88,74 88,52 5,43 0,45 39,90 72,22 112,12 76,75 80,63 82,21 85,03 88,52 92,07 95,33 98,03 103,74

Vòng bụng 92,94 92,86 5,74 0,40 39,38 75,63 115,01 78,67 84,16 86,13 88,97 92,86 96,08 100,27 103,81 108,69 Vòng mông 97,49 96,91 4,99 0,62 29,26 86,15 115,41 87,58 90,62 91,67 93,99 96,91 100,34 104,65 106,53 114,03 Vòng đùi 54,63 53,95 4,07 0,74 25,46 44,94 70,40 46,74 48,54 50,44 52,00 53,95 56,94 60,30 62,31 64,51 Vòng gối 36,99 36,62 2,46 0,72 14,92 30,85 45,77 32,06 33,44 34,36 35,17 36,62 38,54 39,95 41,72 43,41 Vòng bắp chân 37,26 37,26 2,51 0,13 13,50 30,68 44,18 31,62 33,00 33,86 35,71 37,26 38,78 40,25 42,24 43,55 Vòng bắp tay 29,88 30,01 2,29 -0,07 13,85 22,79 36,63 24,03 25,93 27,12 28,25 30,01 31,47 32,69 33,77 34,86 Vòng khuỷu tay 26,61 26,58 1,46 0,29 8,78 22,24 31,02 23,58 24,38 24,75 25,60 26,58 27,46 28,58 29,28 31,03 Vòng cổ tay 16,94 16,91 1,12 0,60 8,23 13,11 21,34 14,04 15,34 15,65 16,28 16,91 17,44 18,20 18,92 19,73 Vòng cổ chân 23,06 22,97 1,94 0,34 1,66 17,71 30,37 18,67 20,17 20,60 21,72 22,97 24,34 25,27 26,50 27,06 Chiều dài tay 56,61 56,38 2,42 0,14 12,59 50,34 62,92 51,59 52,76 53,55 54,88 56,38 58,43 60,03 60,56 65,77 Chiều dài tay từ đốt cổ 7 đến cổ tay

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

Trong bảng 3.5 cho thấy có các trị số quan sát và trị số mong đợi phân bố không nằm sát theo đường phân phối chuẩn, không có hình dạng đường cong phân phối chuẩn đối với các kích thước: vòng cổ tay, vòng cổ chân, chiều dài từ đốt cổ 7 đến eo

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 thuật toán 1 đã được thiết kế và trình bảy ở chương 2 Có 2 loại hình dạng mặt cắt trên cơ thể

• Loại 1: tất cả các lát cắt trên các bộ phận cơ thể (ngoại trừ phần thân) có cấu trúc gần như tròn, 4 điểm cực trị ở mặt trước, sau, bên trái, bên phải được chọn làm các điểm chính của từng mặt cắt, được thể hiện ở hình 3.9 và hình 3.10 Các vị trí mặt cắt có cấu trúc hình tròn như: vòng cổ, vòng bụng, vòng cánh tay trên, vòng cổ tay, vòng đùi giữa, vòng bắp chân, vòng cổ chân

• Loại 2: các lát cắt trên phần thân của cơ thể có cấu trúc phức tạp như vòng ngực và vòng mông, 12 điểm chính được chọn làm điểm chính cho lát cắt như 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 có các điểm trọng yếu đại diện cho mỗi mặt cắt, ta cần điều chỉnh các điểm đó để nội suy ra đường cong có chu vi xấp xỉ với thông số đo Kết quả điều chỉnh theo thuật toán 3 cho ra kết quả như sau

- 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 có các điểm quan trọng trên mỗi mặt cắt, ta cần nội suy ra nhiều điểm hơn để tạo đường cong tương ứng với các mặt cắt Kế thừa phương pháp nghiên cứu nội suy đường cong Hermite mà thuật toán 4 đã được thiết lập, đồng thời, dựa vào kết quả thực nghiệm cũng như kết quả mà Shuxia Wang [67] đã trình bày, tham số độ căng -0.4 rất phù hợp với đường cong của mặt cắt cơ thể người Sự phù hợp đó được thể hiện qua các hình mô tả trong hình 3.18, hình 3.19, với các điểm tròn “o” màu đỏ là các điểm dữ liệu thô nằm trên mặt cắt được quét từ máy Scan 3D, đường cong màu đỏ có tham số độ căng là 0.8, đường cong màu xanh có tham số độ căng là -1.6 và đường cong màu đen có tham số độ căng là -0.4 Hình 3.20 thể hiện tổng thể các mặt cắt chính trên cơ thể sau khi 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

Thuật toán 5 được thiết lập để tạo các lát cắt nội bộ của các phần của cơ thể Kết quả lát cắt nội bộ của phần ngực, phần mông, phần đùi, phần bắp chân, phần cánh tay trên lần lượt được trình bày qua các hình 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 trực quan hóa trong Blender như hình 3.26 Các bước tiến hành mô phỏng mô hình Avatar 3D tương ứng với số đo 2D được hướng dẫn cụ thể trong “Tài liệu hướng dẫn sử dụng phần mềm Mô phỏng Avatar 3D tương ứng với số đo 2D” được trình bày 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 (pixel)

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 (pixel) 11,02621202

Lỗi bình phương nhỏ nhất (pixel) 1,38504

Lỗi bình phương lớn nhất (pixel) 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 nam 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 nam 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 (pixel)

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 (pixel) 5,491083893 23,52586951

Lỗi bình phương nhỏ nhất (pixel) 1,38504 10,06982

Lỗi bình phương lớn nhất (pixel) 9,95929 125,55837

Tóm lại, trong nghiên cứu này, một phương pháp xây dựng mô hình con người 3D được trình bày Các thí nghiệm trên bộ dữ liệu quét 3D cơ thể phụ nữ và xác định

124 các kích thước cơ thể thích hợp được sử dụng làm dữ liệu đầu vào cho 5 thuật toán Phương pháp được đề xuất chủ yếu dựa trên phép nội suy Hermite, có dạng đóng và không yêu cầu nhiều tính toán, dẫn đến chi phí tính toán nhỏ

Hạn chế chính của phương pháp này là phụ thuộc nhiều vào việc lựa chọn các lát cắt chính Nội suy các lát trung gian chỉ phụ thuộc vào các lát chính của một mô hình cụ thể làm cho một mô hình được tạo có vẻ hợp lý nhưng không thực tế vì sự phức tạp của cấu trúc cơ thể Trong thực tế, hiếm khi có các kích thước cơ thể đo thủ công ở tất cả các vị trí trên cơ thể con người Do đó, một cách mới để khắc phục nhược điểm này là đề tài tiếp tục nghiên cứu sử dụng phương pháp học sâu deep learning, tận dụng thông tin có trong tập dữ liệu để suy ra các lát trung gian.

Kết quả xây dựng Avatar 3D theo phương pháp học 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 𝛼 = 0.001, 𝛽 1 = 0.9, 𝛽 2 = 0.999)

Trong bộ dữ liệu nam, LA sử dụng 1006 mẫu làm dữ liệu huấn luyện và 100 mẫu làm dữ liệu thử nghiệm, trong khi 500 và 100 làm dữ liệu huấn luyện và thử nghiệm trong bộ dữ liệu nữ, các mẫu được chọn ngẫu nhiên Bảng 3.25 cho thấy lỗi trung bình trên mỗi lát cắt chính sau khi đào tạo 1000 duyệt trên tập dữ liệu nam, 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

Tìm hiểu mối quan hệ giữa thông số kích thước và hình dạng lát tương ứng trên cơ thể người là một vấn đề khó khăn nghiêm trọng vì cùng thông số kích thước nhưng hình dạng khác nhau Mặc dù đầu vào chỉ là vô hướng, chúng ta phải dự đoán vectơ lát có ít nhất 20 thành phần Tác giả đề xuất sử dụng các hình dạng ban đầu để giải quyết vấn đề này Hình dạng ban đầu không chỉ là một xấp xỉ thô của lát cắt đích mà còn giúp mô hình NN tăng số lượng tham số và tránh sự phù hợp Tác giả giới hạn lớp hình dạng ban đầu thành các vòng tròn mà bán kính của chúng được tính bằng chu vi lát Về mặt hình học, các mô hình NN đầu tiên hoạt động như một biến dạng hình được điều khiển bởi các kích thước lát cắt Các mô hình NN là các phép biến đổi phi tuyến tính từ các đường thẳng đến vectơ lát cắt cụ thể (các đường cong), là các đường cong mô tả cường độ của các vectơ cắt Các đường cong này có hình dạng tương tự nhau nếu chúng ở cùng một vị trí như 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 các lát này không tách biệt hoàn toàn với đầu Hơn nữa, phần lớn các mốc giải phẫu ở cổ được đặt ở vị trí sai (cổ áo hoặc cằm) Theo đó, hình dạng của các lát cổ thay đổi đáng kể, như được thấy trong hình 3.29 Tình huống tương tự xảy ra với các lát cắt quá mức Ranh giới giữa cánh tay và vai không được xác định chính xác dựa trên các mốc Một vấn đề khác là thiếu một số lượng lớn các thành phần trên các vectơ cắt ngang do các vị trí bị tắc nghẽn như nách, nơi máy quét 3D thường bỏ qua

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

Bảng 3.26: Lỗi trung bình trên mỗi bộ phận của mô hình nam và nữ 3D sau khi kích hoạt mô hình CNN Bộ thử nghiệm bao gồm các mẫu bị hư hỏng và không bị hư hại Hai cột cuối cùng là giá trị trung bình của bộ kiểm tra bị hỏng và không bị hư hại

Torso 7,42 11,26 6,46 9,74 10,73 15,79 8,59 12,765 Left arm 8,24 15,20 6,68 15,83 10,87 26,11 8,77 20,97 Right arm 12,99 12,23 10,83 12,33 14,72 13,82 12,77 13,075 Left leg 8,78 7,26 7,59 7,40 11,22 9,92 9,40 8,66

Bảng 3.26 minh họa các kết quả sau khi đào tạo các mô hình CNN để xây dựng hoàn toàn cơ thể người Để tiến hành phần này, luận án cũng sử dụng thuật toán Adam với 1000 epoch Luận án chọn 50 mẫu tốt và 50 mẫu bị hỏng để tạo thành bộ thử nghiệm Do đó, chúng ta có thể phân tích ảnh hưởng của các mẫu phá hủy đến độ chính xác của thử nghiệm tổng thể Kết quả cho thấy các lỗi trong bộ kiểm tra không bị hư hại gần đúng với các lỗi đào tạo, trong khi các lỗi trong bộ kiểm tra bị hỏng không thấp như các lỗi tốt Nhìn chung, luận án kết luận rằng khung của luận án nghiên cứu được không nhạy cảm với số lượng nhỏ các mẫu bị hỏng Hơn nữa, số lượng mẫu trong tập huấn luyện đủ để suy luận về hình dạng của mẫu thử Sau khi loại bỏ các mẫu không đạt tiêu chuẩn, luận án tiến hành một quy trình đào tạo mới trên các bộ thử nghiệm và đào tạo mới nhất và kết quả được đưa ra trong bảng 3.27 Trong bộ dữ liệu nam, có

1006 mẫu đào tạo và 100 mẫu thử, trong khi có 437 và 100 mẫu thử như dữ liệu đào tạo và kiểm tra trong bộ dữ liệu nữ Các lỗi trung bình sau khi cung cấp các lát cắt chính được nội suy vào các mô hình CNN thấp hơn các lỗi của chính chúng khi so sánh với sự thật nền tảng

Bảng 3.27 Lỗi trung bình trên mỗi phần của mô hình 3D nam và nữ trên bộ dữ liệu không bị hư hại trước và sau khi kích hoạt mô hình CNN

Thời gian đào tạo và kiểm tra trung bình trên mỗi bộ phận cơ thể được thể hiện trong bảng 3.28 Nhìn chung, khung đề xuất chỉ mất chưa đến nửa giây để tạo ra một cơ thể người đầy đủ với các tham số của các mô hình học đã được đào tạo và lưu trữ

Khi tất cả các lát cắt cần thiết đã sẵn sàng để xây dựng mô hình 3D, luận án tiến hành làm lại bằng cách sử dụng các lưới hình tam giác như hình 3.30

Hình 3.30: Hình đại diện 3D của nam và nữ:

(Hàng đầu tiên: hình được tạo, hàng thứ hai: hình gốc.) Bảng 3.28: Thời gian đào tạo và kiểm tra được tính trên các giá trị trung bình trên cả hai tập dữ liệu.

Torso (6 primary slices – first model) 474 0,013

Torso (all slices – second model) 1484 0,121

Arm (10 primary slices – first model) 540 0,032

Arm (all slices – second model) 133 0,098

Leg (12 primary slices – first model) 780 0,035

Leg (all slices – second model) 764 0,108

Xây dựng mô hình 3D đã trở thành một lĩnh vực hấp dẫn trong những năm gần đây Xây dựng hình dạng 3D không phải là một nhiệm vụ nhỏ vì sự phức tạp của các mô hình thường đòi hỏi thiết kế cẩn thận, phần cứng máy tính mạnh và các thiết bị quét hiện đại Để giải quyết vấn đề này luận án đã giới thiệu một phương pháp mới để tạo ra một mô hình 3D mới bằng cách chỉ lấy các thông số đo kích thước cơ thể làm đầu vào Những đóng góp chính của luận án trong việc xây dựng mô hình 3D bao gồm (1) mô tả công thức biểu diễn dữ liệu 3D dưới các lát cắt của đám mây điểm, (2) giới thiệu khung hai giai đoạn dựa trên Mạng nơ-ron để tạo các lát cắt chính và tạo ra toàn bộ lát

129 cắt, (3) tiến hành thử nghiệm và công bố điểm chuẩn trên hai bộ bộ dữ liệu con người 3D cho cả nam và nữ

Kết quả xác nhận tính hiệu quả của phương pháp của luận án do các mô hình đám mây điểm 3D được tạo ra đủ tốt để hiển thị với các lỗi nhỏ trong thời gian chạy hợp lý Khung đề xuất của LA không chỉ khám phá mối tương quan giữa hình dạng và kích thước của cơ thể người mà còn nắm bắt thông tin vị trí giữa các lát liền kề Thay vì trực tiếp suy ra toàn bộ mô hình 3D, LA đã chia mô hình mục tiêu thành các phần cụ thể và xác định kiến trúc NN phù hợp cho từng mô hình Theo tinh thần học chi tiết các hình dạng lát thay vì học các cấu trúc tổng thể, chiến lược học phân cấp được đưa ra trong đó hình dạng của các lát tương ứng với các phép đo do người dùng xác định là nền tảng của hình dạng của các lát khác Ý tưởng chính để tạo ra một hình dạng lát mới là biến dạng một hình dạng ban đầu tùy thuộc vào tập dữ liệu huấn luyện Vì mỗi bước trong phương pháp của LA không cần thay đổi tọa độ hoặc giảm kích thước mà vẫn đảm bảo rằng các đám mây điểm được tạo vẫn trông giống như các mẫu trong dữ liệu huấn luyện Cấu trúc lát được sử dụng trong nghiên cứu này không bị hạn chế trong các trường hợp tĩnh, mà còn rất hữu ích khi áp dụng mở rộng cho các mô hình động 3D thông qua bộ xương có thể biến đổi Điểm yếu quan trọng của phương pháp của tác giả là thiếu dữ liệu Các mô hình học được trình bày bị vấn đề dưới phù hợp; do đó, họ không thể đạt được sự khái quát hóa lý tưởng Mặc dù có cùng số đo, hai lát có sự khác nhau về hình dạng và điều này gây ra lỗi cao trong tập huấn luyện Tuy nhiên, thông tin trong dữ liệu huấn luyện được các mô hình học nắm bắt tốt LA có thể kết luận rằng dựa trên sự gần đúng trong các lỗi của dữ liệu đào tạo và kiểm tra Nghiên cứu hiện tại chỉ điều tra việc xây dựng các đám mây điểm Do đó, bất kỳ ứng dụng nào yêu cầu mô hình 3D có đủ cấu trúc lại lưới có thể cần nhiều bước xử lý hơn Mặc dù cấu trúc lát cắt khá đơn giản, nhưng rất khó để đạt được trạng thái của nó, đặc biệt là khi tách rời các hình dạng 3D với các thiết kế phức tạp Một thiếu sót khác là LA không thể so sánh nghiên cứu của LA với các nghiên cứu trước đây vì sự khác biệt trong bộ dữ liệu và đánh giá các số liệu Để kết luận, nghiên cứu của LA này đã phác thảo phương pháp xây dựng mô hình 3D tự động LA đã thiết lập ra một chiến lược mã hóa các đám mây điểm 3D để có thể triển khai CNN có thể tìm hiểu thông tin nội bộ về hình dạng của nó Khung hiện tại đảm bảo rằng cơ thể người 3D sẽ được xây dựng hoàn toàn với một bộ dữ liệu nhân trắc học thiết yếu Hơn nữa, phương pháp đề xuất có thể được khái quát hóa để tạo ra các loại hình dạng 3D khác Nghiên cứu của LA khởi xướng một cách mới để áp dụng các mô hình Deep Learning để phân tích các hình dạng 3D cơ thể người.

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 mô phỏng được vóc dáng cơ thể người Việt Nam có các số đo của các mặt cắt quan trọng tương ứng với các thông số đo tay với sai số rất thấp, đảm bảo tính chính xác các số đo của mô

130 hình nên tính ứng dụng cho ngành công nghiệp dệt may rất cao Phương pháp này được 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 phương pháp học sâu có khả năng học các thông tin của dữ liệu cơ thể người không có dạng hàm giúp mô hình 3D biến đổi phù hợp hơn với cấu trúc cơ thể của từng người riêng biệt Kết quả thử nghiệm cho thấy ý tưởng về hệ thống này là hợp lý và có thể triển khai, tuy nhiên vẫn cần nhiều thử nghiệm và tinh chỉnh để kết quả dự đoán được tốt hơn nữa

Phương pháp xây dựng mô hình 3D bằng nội suy toán học vẫn còn tồn tại sai số trên tất cả các mặt cắt của mô hình 3D Nguyên nhân là do mỗi người khác nhau sẽ có cấu trúc từng phần của cơ thể khác nhau nên mô hình chưa biến đổi được theo cấu trúc cơ thể của từng người riêng biệt

Phương pháp xây dựng mô hình 3D bằng phương pháp học sâu yêu cầu cấu hình phần cứng máy tính cao mới có thể thực nghiệm dễ dàng, do hạn chế về thời gian và năng lực máy tính nên độ chính xác của hai mô hình mà luận án nghiên cứu vẫn còn thấp

3.6.2 Mô hình 3D Avatar theo đa dạng vóc dáng nam trung niên TP HCM

Sau khi nhập thông số đo các kích thước cơ thể của 5 vóc dáng nam trung niên

TP HCM (bảng 3.13) vào phần mềm Blender như phụ lục 2 “Hướng dẫn sử dụng tạo Avatar”, 5 mô hình 3D Avatar được tạo ra như hình 3.31 Bảng 3.29 tổng hợp các hình ảnh mặt trước, mặt sau, mặt nghiêng 90 0 , mặt nghiêng 45 0 cho lần lượt 5 Avatar theo vóc dáng theo phương pháp nội suy của luận án này

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

Cùng thông số đo các kích thước cơ thể của 5 vóc dáng (bảng 3.13) cũng được nhập vào phần mềm thiết kế CLO3D, kết quả cho ra 5 Avatar mô tả như hình 3.32 Bảng 3.30 tổng hợp hình ảnh chụp từ mặt trước, mặt sau, mặt nghiêng 90 0 , mặt nghiêng

45 0 của lần lượt 5 Avatar được tạo ra trong CLO3D

Hình 3.32: 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 khi tạo ra bằng phần mềm CLO3D Đối chiếu hình ảnh chụp các mặt của lần lượt 5 Avatar theo vóc dáng được xây dựng trong mô hình 3D Avatar của luận án này với lời mô tả đặc điểm hình dáng cơ thể của từng vóc dáng trong kết quả 3.3.2.4, nhận xét có sự tương đồng đặc biệt với kết luận cận béo phì và béo phì, đồng thời cũng tương đồng với kết luận bụng lồi của nam trung niên TP HCM Hình dạng và mức độ lồi bụng cũng được thể hiện khác biệt trong mô hình 3D Avatar Khi so sánh với Avatar được tạo ra từ phần mềm thiết kế trang phục CLO3D phổ biến hiện nay, nhận xét thấy hình dạng cơ thể của 5 Avatar tạo ra từ CLO3D không khác biệt So sánh hình 3.31 và 3.32, so sánh bảng 3.29 với 3.30, có thể khẳng định hình dạng mô hình 3D Avatar của luận án có khác biệt rõ ràng giữa các vóc dáng của nam trung niên TP HCM và khác biệt với CLO3D Trong bảng 3.29, bốn ảnh chụp màn hình ở bốn góc độ của người mẫu ở tư thế đứng là: chính trước, chính sau, nghiêng 45 độ, nghiêng 90 độ Qua các hình chụp, đặc biệt là hình chụp ở góc độ nghiêng có thể cho thấy rõ độ lồi bụng khác nhau giữa 5 nhóm vóc dáng Tuy nhiên trong bảng 3.30, ở góc độ nghiêng của các Avatar được tạo ra từ phần mềm CLO3D không nhìn thấy được sự khác biệt về độ lồi bụng Sự thay đổi của 5 Avatar trong phần mềm CLO3D là sự khác biệt về thông số kích thước cơ thể, mà không thể hiện sự khác biệt trong vóc dáng cơ thể

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

2 chiếm tỷ lệ cao nhất với 35,19% Do vậy luận án chọn may trang phục ảo cho vóc dáng này để thử nghiệm Đây là nhóm đối tượng có tỷ lệ của các kích thước chiều dài và chiều cao so với chiều cao cơ thể đều tương đương với tỷ lệ của cơ thể trung bình, kích thước vùng cổ và vai cũng tương đương với thông số của nhóm trung bình Các kích thước chu vi, cân nặng và BMI cho thấy đây là nhóm cơ thể béo phì độ I với BMI là 25,08, đồng thời tất cả các kích thước chu vi và cân nặng của nhóm này đều tương đương với kích thước của nhóm trung bình, riêng chỉ có tỷ lệ vòng đùi so với vòng eo nhỏ hơn tỷ lệ của nhóm trung bình Như vậy, qua phân tích có thể thấy nhóm 2 là nhóm có tỷ lệ cơ thể cân đối, thuộc nhóm béo phì độ I, đùi và gối nhỏ, 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

2, mô hình 3D Avatar cho nhóm 2 được tạo ra Lưu file ở “.OBJ” để có thể sử dụng trong CLO3D Sau đấy nhập mô hình 3D Avatar vào phần mềm CLO3D và sử dụng như 1 Avatar trong CLO3D để tiếp tục thiết kế ảo, may ảo và thử ảo sản phẩm

3.7.2 Mô tả mẫu áo dài thiết kế thử nghiệm và chọn vật liệu trong CLO3D

 Mô tả sản phẩm: Dựa trên thiết kế áo sơ mi, áo veston và áo dài nam cổ điển, người nghiên cứu đã đề xuất phương pháp thiết kế mẫu áo dài hiện đại

 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 CLO3D 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 tác giả nghiên cứu [119] Công thức thiết kế được trình bày cụ thể ở phụ lục 3 Kết quả bộ mẫu rập áo dài dành riêng nam trung niên có số đo của nhóm vóc dáng 2 được minh họa trong hình 3.34

Bộ mẫu rập được thiết kế trên phần mềm Gerber CLO3D có thể nhập bộ mẫu rập này vào phần mềm và tiếp tục thực hiện các chức năng may ảo, thử ảo và đánh giá ảo sản phẩm

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

Ví dụ trong thử nghiệm thiết kế và may ảo mẫu thử cho áo dài này, sau lần thứ nhất may ảo và đánh giá độ vừa vặn, phần bụng của áo bị chật (như hình 3.35) Tác giả đã kịp thời điều chỉnh nhỏ mẫu rập thiết kế gia tăng thêm độ rộng ở phần bụng, kết quả có cải thiện, phần bụng to của người mẫu đã phần nào được che khuyết điểm, như mô tả trong 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

Kết luận chương 3

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 143 người nhóm 30÷40 tuổi, 120 người nhóm 41÷50 tuổi, 115 người nhóm 51÷60 tuổi Dữ liệu được trích xuất từ hệ thống máy quét SizeStream 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 mây 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, 95, 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 Đã xây dựng được mô hình 3D Avatar theo phương pháp nội suy sử dụng các thuật toán nội suy và 5 thuật toán 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 nội suy; Bước 6 xây dựng mô hình nội suy các mặt cắt trên các phần của cơ thể Mỗi bước 2-6 được thể hiện qua thuật toán phần mềm 1-5 tương ứng Dữ liệu đầu vào của các thuật toán phần mềm là dữ liệu nhân trắc

7 Đã giới thiệu một phương pháp mới để tạo ra đám mây điểm của các đối tượng 3D từ các thông số kích thước cơ thể quan trọng Phương pháp luận để tìm mối quan hệ giữa hình dạng và kích thước qua 2 bước Bước 1 là xây dựng các lát cắt chỉnh với phương pháp thể hiện dữ liệu 3D được gọi là cấu trúc lát mỏng (slice- structure)

Bước 2 tạo toàn bộ đám mây điểm Tại đây, một mô hình học dựa trên mạng nơ- ron tích chập (Convolutional Neural Network -CNN) được thiết kế, sau đó được thao tác để tương thích với sự miêu tả dữ liệu Các lát cắt chính được tạo ra bằng cách khớp với chiều cao xác định trước khi toàn bộ đám mây điểm được điều chỉnh bởi mạng CNN Mô hình máy học được thiết lập Đồng thời phương pháp đánh giá sai số mô hình dự đoán và mô hình thực tế cũng trình bày cụ thể

8 Đã xây dựng được 5 mô hình 3D Avatar theo thông số đo của 5 vóc dáng nam trung niên TP HCM Hình dáng của 5 Avatar của luận án có khác biệt với hình dáng Avatar được tạo ra từ phần mềm thiết kế thời trang CLO3D

9 Kết quả phần xây dựng mô hình 3D Avatar bước đầu cho thấy, bằng phương pháp nội suy và phương pháp học sâu có thể xây dựng mô hình 3D cơ thể người từ bộ dữ liệu 2D và 3D

KẾT LUẬN CỦA LUẬN ÁN

Kết quả luận án đạt được đã có một số đóng góp nhất định vào công cuộc phát triển ngành Công nghệ dệt, may và Thiết kế thời trang Việt Nam như sau

1 Góp phần hoàn thiện phương pháp thu thập dữ liệu kích thước cơ thể người có thể cung cấp được bộ số đo hoàn chỉnh cơ thể người phục vụ cho thiết kế thời trang bằng phương pháp quét 3D cơ thể người.

2 Góp phần khẳng định phương pháp quét 3D cơ thể người có thể cung cấp được bộ số đo hoàn chỉnh cơ thể người phục vụ cho thiết kế thời trang.

3 Bước đầu đã đưa ra được phương pháp xây dựng mô hình 3D cơ thể ngườibằng phương pháp nội suy toán học, phương pháp học sâu từ bộ dữ liệu 2D và 3D cơ thể người nhận được từ kết quả quét 3D cơ thể người.

4 Kết quả cho thấy, với số lượng 1706 bộ dữ liệu từ kết quả quét 3D cơ thểngười có thể xây dựng được mô hình 3D cơ thể người bằng phương phápnội suy toán học và phương pháp học sâu Độ chính xác của mô hình có thể chấp nhận để ứng dụng làm Avatar 3D cho thiết kế và trình diễn trang phục.

1 Đã xây dựng được bộ dữ liệu kích thước nam giới TP HCM từ 18-60 tuổi

2 Xây dựng được bộ dữ liệu 2D và 3D cơ thể người nam trung niên Thành phố