Titre original :

Classification non-supervisée de morphologies 3D de corps humain pour la mise en œuvre de mannequins morphotypes adaptatifs

Titre traduit :

Clustering of 3D human bodies morphologies for the implementation of adaptive morphotypes mannequins

Mots-clés en français :
  • Morphotypes

  • Corps humain
  • Classification automatique
  • Mannequins
  • Modélisation tridimensionnelle
  • Géodésiques (mathématiques)
  • Langue : Français
  • Discipline : Automatique, Génie Informatique, Traitement de signal et des Images
  • Identifiant : 2015LIL10046
  • Type de thèse : Doctorat
  • Date de soutenance : 24/06/2015

Résumé en langue originale

Dans cette thèse, nous nous intéressons aux problématiques liées à la classification des formes 3D de corps humains. L'objectif de ce travail de thèse est de définir une méthodologie exhaustive pour obtenir des classes morphologiques caractérisant des formes humaines représentatives d'une population donnée et d'en extraire les morphotypes les plus significatifs. Une analyse géométrique globale de la forme du torse humain par des techniques de classification non-supervisée est mise en œuvre sur une base de données de 478 scans de femmes issues de la campagne de mensuration française réalisée en 2006 par l'IFTH. La description des scans 3D est réalisée avec un calcul des distributions des distances géodésiques à partir d'un ensemble de points anthropométriques positionnés sur la surface du torse 3D. Ce descripteur permet une comparaison quantitative des morphologies dans un monde tridimensionnel. Ces distributions géodésiques sont ensuite utilisées comme entrées pour les deux méthodes de classification non-supervisée que nous avons expérimentées. A l'issue de la classification, trois classes morphologiques, représentées par trois morphotypes, sont extraites dans la base de données. A partir de ces morphotypes, nous avons mis en place une méthode de conception des mannequins adaptatifs. Deux types d'ajustement du mannequin, en fonction de son volume et de sa stature, ont été développés afin de le contrôler à l’aide des individus inclus dans les classes obtenues ou à partir d'un système de taille industriel.Compte tenu de la diversité des disciplines telles que la morphologie humaine, les descripteurs de forme 3D, la classification non-supervisée et les mannequins morphotypes adaptatifs, cette thèse peut contribuer à de nombreuses recherches et problématiques industrielles du secteur de l'habillement.

Résumé traduit

In this PhD we investigate the problem of 3D human morphologies classification. The aim of this research is to define an exhaustive methodology to obtain a clustering of human morphology shapes representative of a population and to extract the most significant morphotype of each class. An overall geometric shape analysis of body surfaces coupled with technique of unsupervised clustering is implemented on a database of 478 scans of woman bodies from the French Sizing Survey (2006) conducted by IFTH.The description of the 3D scans is performed with a computation of the geodesic distributions based on anthropometrics feature points placed on the surface of human torso. This descriptor enables a quantitative comparison of the morphologies in 3D space. These geodesic distributions are then used as inputs for the two clustering methods we have achieved. After the classification, three morphological classes represented by three morphotypes are extracted from the database. Based on these morphotypes, we developed a design method of adaptive models. Two types of the mannequin adjustment, depending on its volume and height, have been developed to control it via included individuals in the obtained classes or via an industrial size system.

  • Directeur(s) de thèse : Bruniaux, Pascal - Thomassey, Sébastien
  • Laboratoire : GEMTEX (Roubaix)
  • École doctorale : École doctorale Sciences pour l'ingénieur (Lille)

AUTEUR

  • Hamad, Moez
Droits d'auteur : Ce document est protégé en vertu du Code de la Propriété Intellectuelle.
Accès libre