BỘ GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HỌC BÁCH KHOA HÀ NỘI

NGUYỄN MẬU TÙNG

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

Ngành: Công Nghệ Dệt, May
Mã số: 9540204

TĨM TẮT LUẬN ÁN TIẾN SĨ CƠNG NGHỆ DỆT, MAY

Hà Nội – 2023


Cơng trình được hồn thành
tại: Đại học Bách khoa Hà Nội

Người hướng dẫn khoa học:
TS. Trần Thị Minh Kiều
PGS.TS. Phạm Thế Bảo

Phản biện 1:
Phản biện 2:
Phản biện 3:

Luận án được bảo vệ trước Hội đồng đánh giá luận án tiến sĩ cấp Đại
học Bách Khoa Hà Nội họp tại Đại học Bách khoa Hà Nội
Vào hồi …….. giờ, ngày ….. tháng ….. năm ………

Có thể tìm hiểu luận án tại thư viện:
1. Thư viện Tạ Quang Bửu - ĐHBK Hà Nội
2. Thư viện Quốc gia Việt Nam


MỞ ĐẦU
1. 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 nở rộ trên thế giới. Chúng ta đã thấy sự phát triển của
cơng nghệ 3D trong giải trí, trong các ngành cơng nghiệp và đang tiến gần cuộc sống
tiêu dùng hàng ngày. Cùng với sự phát triển thần tốc của công nghệ điện tốn, ngành
cơng nghệ may và thời trang cũng đang tận dụng các kỹ thuật mới để phát triển. Các
nhà khoa học phát triển cửa hàng quần áo trực tuyến dưới dạng ứng dụng web.
Virtual fashion phục vụ thời trang may sẵn phục vụ mục đích tùy chọn của khách
hàng thông minh. 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. Với sự hỗ trợ của công nghệ thiết kế 3D, trí tuệ
nhân tạo và cơng 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. Optitex, VStitcher, CLO3D,v.v là những phần mềm thiết kế thời trang 3D tiên phong, có thể
tích hợp việc xây dựng mơ hình người, thiết kế mẫu 2D, may ảo 3D, mơ phỏng vải
và trình diễn thời trang ảo. 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. 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 cơng nghiệp dệt may Việt Nam nói
riêng. Vì vậy việc nghiên cứu xây dựng mơ hình 3D Avatar làm cơ sở nền tảng xây
dựng ma-nơ-canh kỹ thuật 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.

Ứng dụng các phần mềm 3D tại Việt Nam mở ra tương lai mới cho ngành
công nghiệp thời trang tại Việt Nam và trên thế giới. Xây dựng mơ hình 3D Avatar
làm cơ sở nền tảng xây dựng ma-nơ-canh kỹ thuật số theo vóc dáng người Việt Nam
có khả năng tích hợp vào các phần mềm thiết kế thời trang 3D. Phương pháp xây
dựng mơ hình 3D Avatar theo vóc dáng cơ thể bằng máy học sâu là khoa học và
công nghệ hiện đại tiên phong.
2. 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.
3. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU CỦA LUẬN ÁN
3.1 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 thành phố Hồ Chí Minh,
luận án sử dụng dữ liệu kích thước 2D và đám mây điểm 3D cơ thể của 378 người
nam trung niên khối văn phịng ở thành phố Hồ Chí Minh, Việt Nam.
- 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 cả nam giới và và nữ giới.
3.2 Phạm vi nghiên cứu
- 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 mơ hình 3D Avatar cơ thể người ở trạng
thái tĩnh theo kích thước và vóc dáng người Việt Nam.
4. 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 mơ hình 3D Avatar từ dữ liệu quét 3D theo
vóc dáng nam trung niên thành phố Hồ Chí Minh.
5. 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, cơng 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.
6. Ý NGHĨA KHOA HỌC CỦA LUẬN ÁN
1) Đã 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 cơng cụ tốn 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 tốn phân tích thành phần chính và sử dụng phương pháp máy học sâu và phương
pháp toán học nội suy để giải các bài toàn tiến tới mục tiêu xây dựng mơ 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 3D của nước ngồi đang có trên thị trường.
7. GIÁ TRỊ THỰC TIỄN CỦA LUẬN ÁN
1) Bộ dữ liệu nhân trắc 2D và 3D nam trung niên thành phố HCM trên cơ sở dữ
liệu 3D của 1106 nam giới TP. HCM tuổi 18-60 được thu thập bằng thiết bị quét cơ
2


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 cơng Avatar mới trong thiết kế
thời trang là đóng góp mới góp phần thúc đẩy cơng nghệ thiết kế thời trang 3D tại
Việt Nam.
8. ĐIỂM MỚI CỦA LUẬN ÁN
1) Đã xây dựng được bộ dữ liệu 2D và 3D cơ thể người từ 30 đến 60, nam trung
niên thành phố HCM. Phân loại được thành 5 vóc dáng.
2) Xây dựng được Avatar 3D theo vóc dáng nam trung niên thành phố HCM 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 Cơng nghệ dệt may và Thiết kế thời trang tại Việt Nam.
3) Đã ứng dụng phương pháp máy học sâu để xây dựng Avatar 3D.
9. KẾT CẤU CỦA LUẬN ÁN
Luận án gồm 3 chương:
- Chương 1: Tổng quan về phân loại vóc dáng, đặc điểm nhân trắc nam giới và
mơ phỏng mơ 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.

3


CHƯƠNG 1: NGHIÊN CỨU TỔNG QUAN
Để chuẩn bị kiến thức nền tảng nhằm giúp đạt được mục tiêu nghiên cứu đã
đề ra, nghiên cứu tổng quan của luận án tiến sĩ này sẽ tập trung vào hai nội dung
quan trọng và các khía cạnh liên quan của mỗi nội dung. Trong nội dung lớn thứ
nhất, tổng quan về phân loại vóc dáng gồm: (1) Phương pháp xác định thơng số kích
thước cơ thể người; (2) Phương pháp phân loại vóc dáng cơ thể người gồm nhiều
cách như: i) theo đặc trưng hình dạng tư thế cơ thể, ii) theo tỷ lệ kích thước cơ thể;
iii) theo chỉ số tương quan; iv) theo xử lý số liệu thống kê. Trong nội dung lớn thứ
hai, tổng quan về ứng dụng công nghệ 3D tạo mơ hình Avatar 3D trong ngành cơng

nghiệp dệt may gồm: (1) Nghiên cứu mơ hình sản phẩm từ dữ liệu quét 3D cơ thể;
(2) Phương pháp nội suy toán học hay hồi quy từ dữ liệu quét 3D để xây dựng mơ
hình 3D, (3) Phương pháp máy học, mà đặc biệt là máy học sâu xây dựng Avatar cơ
thể người từ dữ liệu quét 3D. Qua nghiên cứu, đã kết luận được các nội dung sau:
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 Avatar 3D 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.
Theo quy luật sinh học nói chung, cứ khoảng 10-15 năm, do những điều kiện
sống thay đổi, tầm vóc, thể lực của cơ thể người cũng có những biến đổi. Các cơng
trình nghiên cứu trước đây đã chỉ ra rằng đặc điểm hình dáng cơ thể người mặc có
ảnh hưởng khơng nhỏ đến việc thiết kế trang phục và tạo dáng quần áo. Các nghiên
cứu trước đây đều phân hình dạng cơ thể nam giới Việt Nam trong độ tuổi lao động
sử dụng giá trị chênh lệch vòng ngực và vòng bụng, chưa phân tích dáng từng phần
cơ thể, tỷ lệ giữa các kích thước, chiều cao, chiều dài thân. Hơn nữa, các cơng trình
nghiên cứu vóc dáng cơ thể nam giới ở Việt Nam trong độ tuổi lao động nhưng chưa
nghiên cứu sâu cho nhóm đối tượng tuổi trung niên.
Có nhiều cách để thu thập dữ liệu và phân loại vóc dáng cơ thể. Trong đấy phương
pháp xác định thơng 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 bới 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 cơng nghệ được xây dựng từ các phần mềm máy tính, giúp người sử dụng

có thể quan sát hình ảnh trong khơng gian ba chiều. Khi biểu diễn một mơ hình ba
4


chiều, ta có thể: Biểu diễn dưới dạng mơ hình khung dây, mơ 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 mơ hình hóa được trình bày các phương pháp xây dựng mơ hình hóa 3D
theo bài toán nội suy đa thức. Đa thức là một hàm đơn giản, dễ tính đạo hàm và
nguyên hàm. Nội suy bằng hàm Spline bậc 3 là thực hiện ghép nối trơn tru nhiều đa
thức bậc thấp từng khúc để nội suy một hàm số cho trước. 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.
Do việc sử dụng các thiết bị quét 3D rất tốn thời gian và tốn kém, nhiều sự chú ý
đã được ghép nối với vấn đề tự động tạo mơ hình 3D. Theo truyền thống, các phép
đo như chiều dài, chu vi và độ cong có ích cho việc mô tả sự xuất hiện của các đối
tượng thực tế. Tuy nhiên, việc xây dựng lại các mơ hình dựa trên máy tính từ các
phép đo này vẫn là một thách thức. Hạn chế chung là bộ thước đo thưa thớt không
đủ để nắm bắt được sự phức tạp trong hình dạng của các đối tượng thực tế. Các giải
pháp hiện tại cho mơ hình 3D được yêu cầu một nguồn đầu vào phong phú như hình
ảnh hoặc mẫu 3D. Các cách tiếp cận để xây dựng mơ hình 3D chỉ sử dụng các phép
đo là tương đối cũ và không thực tế, đặc biệt là trong việc xây dựng mơ hình con
người 3D bằng cách sử dụng nhân trắc học. Các mơ hình tái tạo dựa trên mạng nơron tích chập (Convolutional Neural Network -CNN), được áp dụng thành cơng để
tạo hình dạng 3D từ dữ liệu 2D; tuy nhiên, họ yêu cầu một lượng lớn dữ liệu đào tạo
và chi phí tính tốn cao. Cho tới thời điểm nghiên cứu sinh bắt đầu nghiên cứu thì
chưa có cơng trình nghiên cứu khoa học nào sử dụng mạng nơ-ron tích chập để xây
dựng Avatar 3D.
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 trên thế giới chưa có cơng trình
nghiên cứu khoa học nào ứng dụng cơng nghệ thông tin tiên tiến máy học sâu để tái
tạo và xây dựng mơ hình Avatar 3D dựa trên mạng nơ-ron.

5


CHƯƠNG 2: ĐỐI TƯỢNG, NỘI DUNG VÀ PHƯƠNG PHÁP
NGHIÊN CỨU
Để thực hiện được mục tiêu nghiên cứu của đề tài “Phân loại vóc dáng nam
trung niên thành phố Hồ Chí Minh ứng dụng xây dựng xây dựng Avatar trong
phần mềm thiết kế trang phục 3D”, nội dung nghiên cứu của luận án được thực
hiện như sơ đồ sau:

2.1 Mục tiêu nghiên cứu (xem phần A)
2.2 Đối tượng và phạm vi nghiên cứu (xem phần A)
2.3 Nội dung nghiên cứu (xem phần A)
2.4 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, cơng
trình khoa học ở Việt Nam và trên thế giới có nội dung liên quan. Nhận xét, đánh

6


giá các vấn đề cịn 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 nội dung.

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 thành 3 giai
đoạn. (1) là thu thập dữ liệu 3D và mô tả đặc trưng thống kê dữ liệu các kích thước
cơ thể người. (2) là phân loại vóc dáng cho tổng 1106 nam giới TP.HCM tuổi 18÷60.
(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 mơ hình
3D Avatar.
- Mơ tả đặc trưng thống kê của các kích thước cơ thể người
2.4.1.2 Phân loại vóc dáng cho nam giới TP.HCM (18÷60 tuổi) bằng phương
pháp xử lý thống kê
Phân loại vóc dáng cho tổng 1106 nam giới trọng 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.
Các bước thực nghiệm phân tích phân loại vóc dáng và đặc điểm:
Phân tích thành phần chính,
Kiểm định KMO và Bartlett’s,
Phân tích phân nhóm K-mean và phân tích biệt số,
Phân tích ANOVA hoặc T-test,
Tính tỷ lệ liên hệ giữa các kích thước.
Xử lý dữ liệu trên phần mềm SPSS.
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 bới các nhà khoa học, kết quả tin cậy trong nghiên cứu phân loại vóc dáng như
đã trình bày ở phần tổng quan. 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.

7


2.4.1.3 Phân loại vóc dáng cho nam trung niên TP.HCM (30÷60 tuổi) bằng
phương pháp xử lý thống kê
Sau khi xác định được sự đa dạng vóc dáng trong nam giới, nghiên cứu phân loại
vóc dáng tập trung vào phân tích vóc dáng lứa tuổi trung niên với 378 bộ dữ liệu 2D
và 3D. Kết quả mô tả dữ liệu và đặc trưng cơ thể của từng vóc dáng được sử dụng
làm dữ liệu đầu vào của Avatar ban đầu để xây dựng nên đa dạng Avatar 3D theo đa
dạng vóc dáng nam trung niên TP. Hồ Chí Minh.
Phương pháp phân loại vóc dáng tương tự như trên.
2.4.2. Phương pháp nghiên cứu xây dựng mơ hình 3D Avatar cơ thể người từ
dữ liệu quét 3D theo vóc dáng nam trung niên Thành phố Hồ Chí Minh
Nội dung 2: Nghiên cứu xây dựng Avatar từ dữ liệu quét 3D theo vóc dáng nam
trung niên thành phố Hồ Chí Minh.
Bài tốn xây dựng mơ hình 3D Avatar cơ thể người từ số đo 2D (các kích thước
vịng của cơ thể) thực chất là hai bài toán nội suy:
 Từ số đo tay nội suy vịng quan trọng theo hình dáng của vịng tại vị trí đo.
 Từ các vịng quan trọng nội suy các vịng ở giữa.
Để nội suy hiện tại có hai hướng tiếp cận: (1) hướng tiếp cận nội suy toán học và
(2) hướng tiếp cận máy học (đặc biệt là học sâu) – đây là hướng tiếp cận hiện đại.
Luận án tiến hành xây dựng hai mơ hình theo hai hướng tiếp cận để đánh giá mức
độ chính xác và hợp lý cho bài toán.
Sau khi xây dựng được hai mơ hình cho đối tượng là nữ thì luận án hy vọng mơ

hình này cũng có thể áp dụng cho số đo cơ thể là nam, vì cơ thể nữ giới sẽ biến đổi
nhiều hơn nam sau khi có gia đình, đặc biệt sau khi sinh con; nghĩa là mơ hình được
xây dựng có thể tổng q hóa cho đối tượng là con người mà khơng cịn phân biệt là
nam hay nữ. Đồng thời, mỗi bộ dữ liệu được quét từ các thiết bị khác nhau nên sẽ có
số lượng điểm ảnh, kích thước khác nhau. Nếu phương pháp có thể giải quyết tốt
cho hai bộ dữ liệu thì có nghĩa là phương pháp đã tổng quát hóa tốt.
2.4.2.1 Thiết kế mơ hình 3D bằng phương pháp nội suy.
* Mơi trường thực nghiệm
Ngơn ngữ lập trình: Python
Mơi trường xem 3D: Blender
Cấu hình máy: CPU Intel Core i5, RAM 4GB
Hệ điều hành: Microsoft Windows 10 Professional
* Dữ liệu thực nghiệm
+ Dữ liệu quét 3D của 600 phụ nữ Việt Nam
Luận án đề xuất một phương pháp hình thành các hàm biến dạng để có thể xây
dựng lại cơ thể người 3D bằng các thơng số kích thước cơ thể 2D và 3D. Ý tưởng
tiên tiến trong phương pháp của chúng tôi là chia cơ thể 3D thành các phần nhỏ.
Theo cách đó, các tham số khác nhau cần thiết để nội suy cho từng phần được thiết

8


lập. Ghép các phần lại thành mơ hình 3D cơ thể người hồn chỉnh. Các bước tiến
hành xây dựng mơ hình 3D bằng phép tốn nội suy như sau:
a) Đề xuất quy trình xây dựng mơ hình 3D tổng qt
b) Xây dựng bộ số đo cho mơ hình
c) Xác định vị trí các mặt cắt chính
d) Xác định các điểm trọng yếu của mỗi mặt cắt
e) Điều chỉnh các điểm trọng yếu trên mặt cắt tương ứng với số đo 2D
f) Xây dựng mơ hình mặt cắt chính từ các điểm trọng yếu bằng phép nội suy

g) Xây dựng mô hình nội suy các mặt cắt trên các phần của cơ thể
h) Đánh giá sai số mơ hình 3D
2.4.2.2 Xây dựng Avatar 3D bằng phương pháp máy học sâu.
* Môi trường thực nghiệm
+ Ngơn ngữ lập trình: Python và các thư viện chính là PyTorch và numpy
+ Cấu hình máy: máy chủ Linux với RAM 24 GB, GPU với RAM 12GB và CPU
Xeon với 2.2Ghz.
Các đám mây điểm và các mắt lưới là một bước thiết yếu trong việc xây dựng
các mơ hình 3D. Bài viết này giới thiệu một phương pháp mới để tạo ra đám mây
điểm của các đối tượng 3D từ các thơng số kích thước cơ thể quan trọng. Để tìm mối
quan hệ giữa hình dạng và kích thước, chúng tơi trình bày một phương pháp thể hiện
dữ liệu 3D được gọi là cấu trúc lát mỏng (slice- structure). Một mơ hình học tập 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 trước khi toàn bộ đám mây điểm
được điều chỉnh bởi Mạng nơ-ron tích chập (Convolutional Neural Network ). Quy
trình xây dựng Avatar 3D hoàn thiện theo các bước sau:
a) Xác định bộ dữ liệu cho máy học chuyên sâu
b) Tiền xử lý dữ liệu
c) Các kích thước cần thiết
d) Phương pháp luận: Xây dựng các lát cắt chính; tạo tồn bộ đám mây điểm
e) Mơ hình máy học
f) Đánh giá sai số mơ hình dự đốn và mơ hình thực tế
2.4.2.3 May ảo sản phẩm Áo dài nam theo Avtar vóc dáng nam trung niên
TP.HCM
Thiết kế thời trang 3D đang đóng vai trò quan trọng và đã đang được ứng dụng
rộng rãi trong công nghiệp may mặc trang phục. Phần mềm CLO3D uy tín và độ tin
cậy tiêu dùng cao cho phép các nhà thiết kế tạo và điều chỉnh các sản phẩm may
một cách nhanh chóng. Từ đó, đưa ra các giải pháp kĩ thuật để giảm thiểu các vấn
đề trong quy trình sản xuất sản xuất hàng loạt. Ngồi ra, phần mềm CLO3D cịn hỗ

trợ q trình kiểm tra, đánh giá sự vừa vặn của trong phục để phản hồi một cách
nhanh chóng cho khách hàng để tiến hành cho bước chỉnh sửa tiếp theo.

9


Mơ hình Avatar 3D theo vóc dáng của nam trung niên TP.HCM sau khi được xây
dựng theo phương pháp của luận án được lưu ở đi .OBJ tương thích với phần mềm
CLO3D.
Luận án tổng hợp các qui trình thiết và thử mẫu trên CLO3D ứng dụng trong các
nghiên cứu thiết kế thời trang tùy chỉnh cho khách hàng thông minh và đề xuất quy
trình như sau:

10


CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
3.1 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 60 mốc nhân trắc được trích xuất tự động như hình 3.2
3) File mơ tả vị trí kích thước trên cơ thể 3D như hình 3.3

Hình 3.1: Dữ liệu 3D ở dạng đám mây điểm ảnh và bể
mặt trơn được trích xuất tự động.

Hình 3.2: Dữ liệu 3D
của mốc nhân trắc được

trích xuất tự động.

Hình 3. 3: Vị trí các kích thước cơ thể.

11


3.2. Kết quả mô tả đặc trưng thống kê dữ liệu kích thước cơ thể
3.2.1 Mơ 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 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.
Kết quả phân tích các đặc trưng thống kê, biểu đồ đường cong chuẩn chuẩn
(Histograms with normal curve) và biểu đồ xác suất chuẩn (Normal Q-Q Plots) như
trong bảng 3.1, các kích thước nhân trắc được sử dụng đều giá trị trung bình (X̅) 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.
Bảng3.1. Bảng tổng hợp biểu đồ phân phối chuẩn của các kích thước cơ thể

Các
kích
thước


Biểu đồ Histogram

Biểu đồ Q-Q Plots

Chiều
cao cơ
thể

Dài cổ
7 đến
eo
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. Độ tuổi này đóng góp lớn cho kinh tế nước nhà nhưng chưa có
12


nghiên cứu về vóc dáng và đặc điểm cơ thể dành riêng cho họ. 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 có 115 người nhóm 30÷40 tuổi, 120 người
nhóm 41÷50 tuổi, 143 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
̅) nằm
thấy hầu hết kích thước nhân trắc được sử dụng đều có giá trị trung bình (X
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, vịng cổ tay, vịng

cổ chân có sự chênh lệch giữa 2 giá trị trung bình và giá trị trung vị lớn hơn 1 cm.
Như vậy, để các phân tích về sau được chính xác, 5 kích thước trên cần loại bỏ trong
q trình phân tích xác xuất thống kê.
Các dặc 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, 99 được trình bày trong
luận án.
3.3 Kết quả phân loại vóc dáng và phân tích đặc điểm cơ thể
3.3.1 Kết quả phân loại vóc dáng nam giới TP.HCM
Để xác định các nhóm kích thước chính ảnh hưởng đến vóc dáng của nam giới
làm việc tại thành phố Hồ Chí Minh Việt Nam trong độ tuổi từ 18 đến 60, 34 kích
thước cơ thể đã được sử dụng để phân tích phân loại vóc dáng.
3.3.1.1 Kết quả phân tích nhân tố chính
Ba nhân tố chính quyết định vóc dáng cơ thể của nam giới ở độ tuổi 18 đến 60 đã
được trích xuất trong Bảng 3.8 với tổng tỷ lệ phương sai tích luỹ là 75.110%. Đồng
thời, hệ số Cronbach’alpha của mỗi nhân tố đều lớn hơn 0.7, cho kết quả tin cậy cao.
3.3.1.2 Kết quả phân tích phân nhóm
Để phân loại các dạng cơ thể của nam giới Việt Nam ở độ tuổi 18 đến 60, phân
tích nhóm K-mean và phân tích biệt số đã được sử dụng giống với các nghiên cứu
phân loại dạng người mà các nhà khoa học trong và ngoài nước đã thực hiện, sử
dụng điểm nhân tố được trích xuất thơng qua phân tích nhân tố như một biến độc
lập. Kết quả phân tích cho thấy rằng 96.1% các trường hợp được nhóm lại được phân
loại chính xác trong giải pháp hai nhóm, trong khi 93.2% trong giải pháp 3 nhóm,
93.9% trong giải pháp 4 nhóm, 92.0% trong giải pháp 5 nhóm. Đánh giá từ những

13


kết quả đó, giải pháp hai nhóm (02 nhóm) là thích hợp nhất để phân loại vóc dáng
cơ thể nam giới Việt Nam ở độ tuổi 18 ÷ 60.

3.3.1.3 Kết quả phân tích đặc điểm các dạng cơ thể nam giới Việt Nam tuổi 18÷60
Kết quả phân nhóm của bài báo này cho thấy 2 dạng người là tối ưu nhất, do vậy
để xác định đặc điểm và sự khác biệt của từng nhóm cơ thể, phân tích kiểm định
Independent-samples T-test đối với từng loại đã được thực hiện. Giá trị trung bình,
độ lệch chuẩn, kết quả của F-test cho các kích thước đo lường và giá trị BMI của
từng nhóm minh chứng cho kết quả phân nhóm hợp lý được giải thích như sau: Độ
tin cậy Sig của giá trị F-test đều nhỏ hơn 0.001 chứng minh có sự tách bạch rõ ràng
giữa 2 nhóm; Độ lệch chuẩn SD của từng kích thước của tổng 1106 đối tượng nghiên
cứu đều lớn hơn SD của từng nhóm nhỏ, có nghĩa là có sự gom tụ tập trung các đối
tượng có cùng vóc dáng với nhau trong từng nhóm nhỏ. Kết luận về đặc điểm vóc
dáng của từng dạng cơ thể nam giới làm việc tại thành phố Hồ Chí Minh Việt Nam
như sau: Nhóm 1 chiếm 60,4% trong tổng số 1106 nam giới tham gia khảo sát, là
nhóm cơ thể gầy, thân trên ngắn, tay dài, vai ngang và nhỏ. Nhóm 2 chiếm 39.6%,
là nhóm cơ thể béo, vùng vai và lưng phát triển, vai dốc.
3.3.1.4 Kết quả phân bố lứa tuổi theo từng nhóm vóc dáng
Sự phân bố lứa tuổi của từng nhóm vóc dáng được trình bày trong Bảng 3.3. Trong
nhóm vóc nhóm 1, nhóm người gầy, tỷ lệ nam giới trong độ tuổi từ 18 đến dưới 30
chiếm 72%, trong khi đó tỷ lệ nam giới trong độ tuổi từ 30÷60 chiếm 28%. Tỷ lệ
nam giới trong độ tuổi từ 18 đến dưới 30 trong nhóm 2, nhóm người béo, chiếm
56.39%, tỷ lệ nam giới trong độ tuổi 30 đến 60 ở nhóm 2 chiếm 43.61%. Qua phân
tích có thể thấy rằng nam giới trong độ tuổi từ 18 đến dưới 30 có 66.07% thuộc nhóm
người gầy, 33.93% thuộc dạng người béo. Trong khi đó, tỷ lệ nam giới trong độ tuổi
từ 30 đến 60 phân bố tương đối đồng đều, lần lượt là 49.47% người gầy và 50.53%
người béo.
Bảng3.3. Tỷ lệ phân bố các nhóm cơ thể lần lượt trong từng nhóm tuổi 18÷dưới 30
và 30÷60.

18-60 Tuổi (N=1106)
18÷ dưới 30 tuổi
30÷60 tuổi

Nhóm 1 66,07% của 728 người
49,47% của 378 người
Nhóm 2
33,93% của 728 người
50,53% của 378 người
∑%
100% của 728 người
100% của 378 người
Kết quả phân loại nhóm nam giới trong độ tuổi 18÷60 thành 2 nhóm vóc dáng
cho thấy nhóm nam giới trong độ tuổi 18 đến dưới 30 chủ yếu là nhóm người gầy,
trong khi đó nhóm nam giới trong độ tuổi 30÷60 phân bố đa dạng có cả gầy và béo.
Do đó, cần có thêm nghiên cứu về phân loại vóc dáng của nam giới Việt Nam trong
14


độ tuổi 30÷60 để thấy được sự đa dạng về vóc dáng, về đặc trưng hình thể, và về tỷ
lệ cơ thể của nhóm đối tượng nam trung niên này.
3.3.2 Phân loại vóc dáng nam trung niên thành phố Hồ Chí Minh
Dữ liệu của 378 nam giới trung niên TP.HCM trong độ tuổi từ 30 đến 60 tuổi.
Phương pháp phân loại vóc dáng tương tự như mục 3.3.1. Kết quả đạt được 5 vóc
dáng khác nhau như sau:
Nhóm 1 chiếm 16,4% trong tổng số 378 nam giới tham gia khảo sát, là nhóm
nam giới thấp, có tất cả các kích thước nhỏ hơn kích thước trung bình, là loại cơ thể
trung bình với BMI là 22,23. Nhóm 2 chiếm tỷ lệ cao nhất với 35,19%. biểu thị 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, đùi và gối nhỏ, kích thước vùng cổ, vai, bụng phát triền. Nhóm 3
chiếm 12,96%, với BMI 27,08 nằm trong nhóm béo phì độ I; vai ngang, kích thước
vùng cổ, lưng, bụng phát triển. Nhóm 4 chiểm tỷ lệ 25,13% với BMI là 23,23, cơ thể
hơi thừa cân, là nhóm cơ thể cao. Nhóm 5 chiếm tỷ lệ ít nhất 10,32% là nhóm cơ thể
cao và béo phì độ I với BMI là 28,52, đồng thời tất cả các kích thước chu vi và cân

nặng của nhóm này lớn nhất và lớn hơn nhiều so với mức trung bình.
3.4 Kết quả xây dựng mơ hình 3D bằng phương pháp nội suy
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 bên là kết quả của mã code 1. Mơ
tả các vị trí mặt cắt như sau:
(1) Vị trí mặt cắt vịng cổ
(2) Vị trí mặt cắt vịng ngực
(3) Vị trí mặt cắt vịng bụng
(4) Vị trí mặt cắt vịng mơng
(5) Vị trí mặt cắt vịng đùi giữa
(6) Vị trí mặt cắt vịng bắp chân
(7) Vị trí mặt cắt vịng cổ chân
(8) Vị trí mặt cắt vịng cánh tay trên
(9) Vị trí mặt cắt vịng cổ tay
Kết quả xây dựng mơ hình nội suy từ các mặt cắt chỉnh trên các bộ phận của
cơ thể
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 trịn, 4 điểm cực trị ở mặt trước, sau, bên trái, bên phải được chọn làm
các điểm chính của từng mặt cắt.

15


• Loại 2: các lát cắt trên phần thân của cơ thể có cấu trúc phức tạp như vịng ngực
và vịng mơng, 12 điểm chính được chọn làm điểm chính cho lát cắt gồm các điểm
cực trị ở mặt trước, sau, bên trái, bên phải, và trên đường cong dựa theo sự quan sát
đối xứng.

Sau khi thực hiện các bước điều chỉnh các điểm trọng yếu trên mỗi mặt cắt tương
ứng với số đo 2D; xây dựng mơ hình mặt cắt chỉnh từ các điểm trọng yếu trên
mỗi mặt cắt bằng bài tốn nội suy, kết quả xây dựng mơ hình nội suy từ các mặt
cắt chỉnh trên các bộ phận của cơ thể được trình bày qua các hình sau.

Các lát cắt của Các lát cắt của Các lát
vùng ngực.
vùng mông
cắt của
vùng
đùi.

Các lát Các lát cắt
cắt của của khu vực
vùng
cánh
tay
bắp
trên.
chân.
Bài tốn xây dựng mơ hình 3D Avatar cơ thể người từ số đo 2D (các kích thước
vịng của cơ thể) thực chất là hai bài toán nội suy:
o Từ số đo tay nội suy vịng quan trọng theo hình dáng của vịng tại vị trí đo.
o Từ các vịng quan trọng nội suy các vòng ở giữa.
Để nội suy hiện tại có hai hướng tiếp cận: (1) hướng tiếp cận nội suy toán học
và (2) hướng tiếp cận máy học (đặc biệt là học sâu) – đây là hướng tiếp cận hiện
đại. Chúng tôi tiến hành xây dựng hai mơ hình theo hai hướng tiếp cận để đánh giá
mức độ chính xác và hợp lý cho bài tốn.
3.5 Kết quả xây dựng Avatar 3D theo phương pháp máy học chun sâu
Luận án đào tạo các mơ 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 tốn Adam được thơng qua để giảm thiểu hàm mục tiêu; các tham số meta
được đặt theo khuyến nghị của các tác giả (tỷ lệ học tập
α=0.001,β_1=0.9,β_2=0.999).
Trong bộ dữ liệu nam, LA 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 3.24 cho thấy lỗi trung
bình trên mỗi lát cắt chính sau khi đào tạo 1000 epoch trên tập dữ liệu nam và nữ.

16


Kết quả xác nhận tính hiệu quả của phương pháp của luận án do các mơ hình đám
mây điểm 3D được tạo ra đủ tốt để hiển thị với các lỗi nhỏ trong thời gian chạy hợp
lý.
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
khơng 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 khơng bị hạn chế trong các trường
hợp tĩnh, mà cịn rất hữu ích khi áp dụng mở rộng cho các mơ hình động 3D thơng
qua bộ xương có thể biến đổi.
Điểm yếu quan trọng của phương pháp của chúng tôi là thiếu dữ liệu. Các mơ
hình học tập được trình bày bị vấn đề dưới phù hợp; do đó, họ khơng thể đạt được
sự khái qt 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 mơ hình học tập 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 u cầu
mơ hình 3D có đủ cấu trúc lại lưới có thể cần nhiều bước xử lý hơn.
Để kết luận, nghiên cứu của LA này đã phác thảo phương pháp xây dựng mơ 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 thơng 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 mơ hình Deep Learning để phân tích các hình dạng 3D cơ thể người.
Khi tất cả các lát cắt cần thiết đã sẵn sàng để xây dựng mơ hình 3D, luận án tiến
hành làm lại bằng cách sử dụng các lưới hình tam giác như Hình 3.4.

17


Hình 3.4: Hình đại diện 3D của nam và nữ: Hàng đầu tiên: hình được tạo, hàng thứ hai:
hình gốc.

3.6 Kết quả xây dựng mơ hình 3D Avatar theo đa dạng vóc dáng nam trung
niên TP.HCM
3.6.1 Nhận xét về phương pháp xây dựng mơ hình 3D cơ thể người
* Ưu điểm
Phương pháp xây dựng mơ hình 3D bằng nội suy tốn học đã mơ 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 mơ
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 khơng u cầu
q cao về cấu hình phần cứng máy tính.

Phương pháp xây dựng mơ hình 3D bằng máy học sâu có khả năng học các thơng
tin của dữ liệu cơ thể người khơng có dạng hàm giúp mơ 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.
* Nhược điểm
Phương pháp xây dựng mơ hình 3D bằng nội suy tốn học vẫn cịn tồn tại sai số
trên tất cả các mặt cắt của mơ hình 3D. Nguyên nhân là do mỗi người khác nhau sẽ
có cấu trúc từng phần của cơ thể khác nhau nên mơ hình chưa biến đổi được theo
cấu trúc cơ thể của từng người riêng biệt.
Phương pháp xây dựng mơ hình 3D bằng máy 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 mơ hình mà luận văn nghiên cứu vẫn còn thấp.

18


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

Hình 3.5: Hình chụp mặt trước của 5 Avatar theo thơng số đo của 5 vóc dáng nam trung niên
TP.HCM được xây dựng trong luận án.

N1

N2

N3

N4


N5

Hình 3.6: Hình chụp mặt trước của 5 Avatar theo thơng số đo của 5 vóc dáng nam trung niên
TP.HCM được xây dựng trong luận án.

Cùng thơng số đo các kích thước cơ thể của 5 vóc dáng cũng được nhập vào phần
mềm thiết kế CLO3D, kết quả cho ra 5 Avatar mơ tả như hình 3.32. Đối chiếu hình
ảnh chụp các mặt của lần lượt 5 Avatar theo vóc dáng được xây dựng trong mơ hình
3D Avatar của luận án này với lời mơ tả đặc điểm hình dáng cơ thể của từng vóc
dáng, 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 mơ 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 khơng khác biệt.
So sánh hình 3.31 và 3.32, có thể khẳng định hình dạng mơ 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.
3.7 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.

19


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.
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 2 mẫu áo dài hiện đại, 3 thân

• Vật liệu: Chọn Lụa Taffeta được mặc định trong thư viện vải của phần
mềm, các thông số vải là :
- Độ dày (thickness): 0.16 mm
- Co ngang (Stretch-weft): 63%
- Co dọc (Stretch-warp): 40%
- Xéo (Shear): 35%
- Độ uốn ngang (Bending-weft): 55%
- Độ uốn dọc (Bending-warp): 14%
- Độ uốn xéo (Bending-bias): 38%
- Độ rung vải (Internal Damping): 1%
- Tỷ trọng (Density): 5%
- Ma sát (Friction): 3%
3.7.3 Thiết kế bộ mẫu kỹ thuật theo công thức thiết kế áo dài nam
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. 4: Bộ mẫu rập gồm các chi tiết: thân áo dài, tay áo, cổ áo, quần và cạp.

3.7.4 Kết quả may ảo, thử ảo và đánh giá độ vừa vặn trang phục trong

20


Hình 3.5: Mẫu mơ phỏng áo dài nam với bề mặt vải dày, trong suốt và lưới 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 3.6: Mẫu mơ phỏng áo dài nam bề mặt vải lụa taffeta trên phần mềm CLO 3D.


21


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 115 người nhóm 30÷40 tuổi, 120 người nhóm 41÷50
tuổi, 143 người nhóm 51÷60 tuổi.
2. Mơ 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. Đồng thời xác định phân
phối chuẩn của các kích thước thơng qua biểu đồ đường cong chuẩn và biểu đồ xác
suất chuẩn Normal Q-Q Plot.
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.
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.
5. Đã tổng hợp thống kê và xác định tương quan tỷ lệ giữa các kích thước cơ thể theo
từng vóc dáng, có tính ứng dụng thực tiễn trong thiết kế và sản xuất.
6. Kết quả trên cho thấy hồn tồn có thể sử dụng máy quét cơ thể SizeStream SS14
trong các cuộc khảo sát nhân trắc để thu thập các số đo cơ thể người. Không cần sử
dụng phương pháp đo tay truyền thống tốn kém thời gian và nguồn nhân lực. Hơn
nữa lại tránh được các sai sót giữa nhiều người đo và nhiều thiết bị đo.
7. Các công cụ thống kê và đặc biệt phần mềm SPSS là công cụ hiệu quả để mơ tả
dữ liệu nhân trắc cũng như phân tích vóc dáng cơ thể người, đảm bảo độ chính xác
và độ tin cậy của các kết luận.

8. Đã xây dựng được mơ hình 3D Avatar theo phương pháp nội suy sử dụng các
thuật toán nội suy và 5 mã code. Quá trình thực hiện qua 6 bước chính và có đánh
giá sai số mơ hình.
9. Đã giới thiệu một phương pháp mới để tạo ra đám mây điểm của các đối tượng
3D từ các thơng số kích thước cơ thể quan trọng.
10. Đã xây dựng được 5 mơ hình 3D Avatar theo theo thơng 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.
11. Kết quả phần xây dựng mơ hình 3D Avatar bước đầu cho thấy, bằng phương
phương pháp nội suy và phương pháp máy học sâu có thể xây dựng mơ hình 3D cơ
thể người từ bộ dữ liệu 2D và 3D.

22


KẾT LUẬN CỦA LUẬN ÁN
Kết quả luận án đạt được đã có một số đóng góp nhất định vào cơng cuộc phát
triển ngành Công nghệ dệt may và Thiết kế thời trang Việt Nam như sau:
A) VỀ MẶT LÝ THUYẾT
1) Góp phần hồn 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 hồn chỉnh cơ thể người phục vụ cho thiết kế thời trang.
3) Bước đầu đã đưa ra được phương pháp xây dựng mơ hình 3D cơ thể người bằng
phương pháp nội suy toán học và máy học chuyên 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 thể người
có thể xây dựng được mơ hình 3D cơ thể người bằng phương pháp nội suy tốn
học và máy học chun sâu. Độ chính xác của mơ hình có thể chấp nhận để ứng

dụng làm Avatar 3D cho thiết kế và trình diễn trang phục.
B) VỀ MẶT THỰC TIỄN
1) Đã xây dựng được bộ dữ liệu kích thước nam giới TP.HCM từ 18-60 tuổi.
2) Đã xây dựng được bộ dữ liệu 2D và 3D cơ thể người nam trung niên từ 30 đến
60 tuổi và Phân loại được thành 5 vóc dáng. Kết quả trên là đóng góp quan trọng
cho ngành cơng nghiệp thời trang để phát triển lĩnh vực thời trang may sẵn chất
lượng cao (vừa với vóc dáng cơ thể) dành cho đối tượng nam giới Việt Nam nói
chung đặc biệt là đối tượng nam trung niên Việt Nam
3) Avatar 3D đã được xây dựng theo 5 vóc dáng nam trung niên Thành phố Hồ Chí
Minh các Avatar này đã kết nối được với các phần mềm thiết kế thời trang 3D để
thiết kế, mặc thử trang phục. Đã sử dụng thành công Avatar này để thiết kế và
may ảo áo dài nam giới trong phần mềm CLO3D. Kết quả này có ý nghĩa quan
trọng góp phần thúc đẩy phát triển ngành Cơng nghệ dệt, may và Thiết kế thời
trang tại Việt Nam.

23