伴随着三维非接触式人体测量技术的出现，人体数据获取变得更快捷更全面，也为人体体型研究提供了条件。但原始点云数据量大，有用的信息量少，不能轻易被服装行业使用。现行的国标按照胸腰差划分体型，对于胸围、腰围的横向体型特征区分较为有效，缺乏对纵截面体型特征的区分。此外，纵截面曲线与服装结构紧密联系，且能从纵向进一步表征人体体型，但关于纵截面曲线的研究甚少，也一定程度上影响服装的合体性设计。因此，研究人体点云降维优化、纵截面曲线形态具有理论和实用价值。本课题从纵截面曲线形态入手研究人体体型，利用逆向工程技术降维点云数据，构建了纵截面曲线数学模型，量化了纵截面曲线形态，既能表征人体纵截面体型特征，又是对现有人体体型研究的一个补充，为服装结构设计中的分割线、省道位置和大小提供依据。同时构建了概率神经网络模型，开发了一款体型识别系统，为个性化服装量身定制、计算机辅助设计及网上虚拟试衣奠定了技术基础。本课题主要包括以下几个方面的内容：1.采集了人体三维点云数据及尺寸数据。以在校青年女性为研究对象，年龄在18-24岁之间，未生育，采用美国[TC]2三维非接触式人体测量仪测量样本631名。2.提取了能用于青年女性体型分类的纵截面特征曲线。利用Imageware12.0提取青年女性正矢状面、冠状面、过胸高点矢状面、过背凸点矢状面、过肩峰点矢状面的点云数据，使用最小二乘法进行数据拟合，建立高拟合优度的二维曲线数学模型，有效地表征三维人体的特征空间。3.建立了用纵截面曲线特征点曲率半径进行青年女性体型分类的方法。在国标的基础上，从纵截面曲线形态入手，进一步细分青年女性体型，并引入伪F统计量作为判别函数来确定最佳类数目。通过对纵截面曲线特征点：侧颈点、肩峰点、胸高点、背凸点、侧腰点、腹凸点、臀凸点曲率半径数据的分析，联合表征纵截面颈部、肩部、胸部、背部、腰部、腹部、臀部的体表特征。应用K-means聚类算法进行动态聚类，最终将纵截面体型分为8类，并提出一种新的体型标识：“国标体型+纵截面体型”，结合横向和纵向指标更好的区分人体体型。4.构建了基于概率神经网络的人体体型自动识别模型。在人体体型识别上，为提升识别精度，将概率神经网络方法运用于人体体型识别研究，运用Matlab R2012b软件构建PNN识别模型，识别精度达98.67%。5.开发了青年女性纵截面体型识别系统V1.0，使用Qt软件开发，包括四大功能模块：人体尺寸数据录入、特征点曲率半径计算、人体体型识别、纵截面曲线显示。