本發(fā)明屬于數(shù)據(jù)測(cè)量領(lǐng)域,具體涉及一種人體三維數(shù)據(jù)模型庫的生成方法。
背景技術(shù):
隨著技術(shù)的發(fā)展,獲得三維人體測(cè)量數(shù)據(jù)在許多行業(yè)是必需的。例如在醫(yī)學(xué)領(lǐng)域被用于監(jiān)控由于腎衰竭發(fā)生的人體體積的變化或者評(píng)估病人人體圖像的變化來確保手術(shù)的成功。此外,能夠生成精確的身體特征及測(cè)量數(shù)據(jù)也是對(duì)服裝行業(yè)有益的,精確人體尺寸將有益于服裝制造商或者零銷商和客戶溝通聯(lián)系,有益于在線購買。
人體測(cè)量系統(tǒng)是實(shí)現(xiàn)電子量身定制、人體體型數(shù)據(jù)庫建立的基礎(chǔ)工作和關(guān)鍵技術(shù)。在30多年的發(fā)展過程中大致經(jīng)歷了由手工測(cè)量向計(jì)算機(jī)輔助測(cè)量、由接觸式測(cè)量向非接觸式測(cè)量、由二維向三維方向發(fā)展3個(gè)階段,并向自動(dòng)測(cè)量和利用計(jì)算機(jī)測(cè)量、處理和分析的方向發(fā)展。傳統(tǒng)的人體測(cè)量通常是指測(cè)量工具與人體接觸,直接測(cè)出靜態(tài)時(shí)人體各部位的高、寬、周長(zhǎng)等尺寸,主要的測(cè)量工具是軟尺、角度尺、測(cè)高計(jì)、測(cè)距計(jì)和滑動(dòng)計(jì)等。非接觸式測(cè)量主要以現(xiàn)代光學(xué)為基礎(chǔ),融光電子學(xué)、計(jì)算機(jī)圖像學(xué)、信息處理、計(jì)算機(jī)視覺等科學(xué)技術(shù)為一體的測(cè)量技術(shù),它在測(cè)量被測(cè)對(duì)象時(shí),把圖像當(dāng)作檢測(cè)和傳遞信息的手段或載體加以利用,其目的是從圖像中提取有用的信息?,F(xiàn)有的人體掃描儀及人體測(cè)量設(shè)備依賴高分辨率深度傳感器、固定的光模式或者已知的相機(jī)角度來生成人體的三維圖像,這種技術(shù)需要專業(yè)設(shè)備并且對(duì)使用者呈現(xiàn)出高負(fù)擔(dān),使用者需要去專門的中心進(jìn)行這種人體測(cè)量?,F(xiàn)有技術(shù)中的三維人體測(cè)量方法有立體攝影測(cè)量法、激光測(cè)量法、莫爾條紋測(cè)量法等。三維人體測(cè)量方法雖然都能獲得人體數(shù)據(jù),但仍存在一些不足:
1.采用三維掃描方法需要昂貴的掃描設(shè)備、專業(yè)知識(shí)以及特殊的環(huán)境配置。提供這種測(cè)量的通用方法和設(shè)備不僅體積龐大且昂貴,而且需要使用復(fù)雜的能夠確定相關(guān)對(duì)象至參考點(diǎn)的像素深度或距離的檢測(cè)器設(shè)備。
2.采用激光和白光等掃描系統(tǒng)測(cè)量,需要被測(cè)量者脫衣,其容易暴露被測(cè)量者的隱私,而且要求被測(cè)量者在幾分鐘內(nèi)保持不變姿勢(shì)。此外,激光會(huì)造成被測(cè)量者心理壓力,人們的體驗(yàn)差、激光也容易傷害被測(cè)人的眼睛。
3.基于身高體重以及描述性詞匯預(yù)測(cè)測(cè)量數(shù)據(jù):該類方法的要點(diǎn)在于利用描繪性詞匯給人體打分,該方法的缺點(diǎn)是用戶使用麻煩,需要針對(duì)自己的體型給出對(duì)應(yīng)的評(píng)分后可獲取重建的三維模型。
4.基于正側(cè)面照片恢復(fù)三維模型,并通過三維模型恢復(fù)測(cè)量數(shù)據(jù):該方法的主要優(yōu)勢(shì)在于輸入簡(jiǎn)單,只需要正面和側(cè)面照片,就可以獲取,重建的三維模型,具體方法是先通過計(jì)算圖片中的人體姿態(tài),然后根據(jù)經(jīng)驗(yàn)人體模型庫,去匹配對(duì)應(yīng)的姿態(tài),通過兩張圖片的約束,獲取最終的三維模型。該方法的缺點(diǎn)是,獲取的三維模型和真實(shí)模型缺乏真實(shí)的尺寸映射,而兩張圖片的約束的僅僅利用了姿態(tài)進(jìn)行約束,很難精準(zhǔn)恢復(fù)人體的真實(shí)體態(tài)數(shù)據(jù)。
5.各研究機(jī)構(gòu)有不同的自己采集的數(shù)據(jù)庫,但是這些數(shù)據(jù)庫都不太完善,采集范圍小,采集單一,沒有對(duì)性別以及各個(gè)年齡段、身高段等的采集,不具有普遍性和廣泛適用性。因此,目前的研究者只能基于各自不同的研究目的和興趣去選用適當(dāng)?shù)臄?shù)據(jù)庫或者自己采集數(shù)據(jù),因此迫切需要建立一個(gè)全面而廣泛應(yīng)用的數(shù)據(jù)庫。
技術(shù)實(shí)現(xiàn)要素:
為解決現(xiàn)有數(shù)據(jù)庫數(shù)據(jù)不太完善、采集范圍小、采集單一、數(shù)據(jù)精確度較差的問題,本發(fā)明提供了一種測(cè)試過程簡(jiǎn)單、采集范圍廣和測(cè)試數(shù)據(jù)準(zhǔn)確的人體三維數(shù)據(jù)模型庫的生成方法。
本發(fā)明解決上述問題的技術(shù)方案是:
人體三維數(shù)據(jù)模型庫的生成方法,包括以下步驟,
步驟1)建立人體三維虛擬模型庫:生成與真實(shí)測(cè)量數(shù)據(jù)對(duì)應(yīng)的任意大小的標(biāo)準(zhǔn)姿勢(shì)人體三維虛擬模型庫;所述虛擬模型庫為m×n×3的矩陣,其中m為模型數(shù)量,n為頂點(diǎn)數(shù)量;所述任意大小的標(biāo)準(zhǔn)姿勢(shì)人體的身高為1.2米至2.2米;
步驟2)通過學(xué)習(xí)得到虛擬模型體態(tài)標(biāo)簽的權(quán)重和偏移量:采用線性回歸公式y(tǒng)0=w0x已知+b0,使y0和y實(shí)測(cè)偏差最小,學(xué)習(xí)得到w學(xué)和b學(xué);其中:
y0為計(jì)算出的測(cè)量數(shù)據(jù);
x已知為已知向量[height,weight,label0,label1,…,labeln],其中l(wèi)abel0,…,labeln為體態(tài)標(biāo)簽;
y實(shí)測(cè)為實(shí)際測(cè)量數(shù)據(jù);
w0為需要學(xué)習(xí)的權(quán)重;
b0為需要學(xué)習(xí)的偏移量;
w學(xué)為學(xué)習(xí)得到的權(quán)重;
b學(xué)為學(xué)習(xí)得到的偏移量;
步驟3)獲取pca主特征值:
按照下式預(yù)測(cè)出pca特征值,作為線性回歸模型向量:
y=w學(xué)x+b學(xué)
y為最終預(yù)測(cè)出的向量;
x為模型實(shí)測(cè)的向量[height,weight,label0,label1,…,labeln],其中l(wèi)abel0,…,labeln為體態(tài)標(biāo)簽;
再從預(yù)測(cè)出的pca特征值,取特征值大的前n個(gè)值作為pca主特征值,其中n為大于1的自然數(shù);
步驟4)計(jì)算模型數(shù)據(jù):根據(jù)步驟3)中得到的線性回歸模型向量以及pca主特征值,反向計(jì)算出頂點(diǎn)數(shù)據(jù),加上已有模型的拓樸信息,反推出模型數(shù)據(jù),建立符合虛擬拍照要求的人體三維模型庫。
進(jìn)一步地,所述步驟1)的具體步驟為:采用人體建模軟件,根據(jù)原始模型生成具有一定拓?fù)浣Y(jié)構(gòu)的基礎(chǔ)模型,再根據(jù)基礎(chǔ)模型生成與真實(shí)測(cè)量數(shù)據(jù)對(duì)應(yīng)的任意大小的標(biāo)準(zhǔn)姿勢(shì)人體三維虛擬模型庫;所述原始模型包括真實(shí)人體或人工建立的模型。此步驟能夠方便找到模型個(gè)位置間的對(duì)應(yīng)關(guān)系,并保存模型處理前后的誤差值。
進(jìn)一步地,所述步驟1)還包括對(duì)基礎(chǔ)模型進(jìn)行修訂的步驟:判斷基礎(chǔ)模型的姿勢(shì)是否符合標(biāo)準(zhǔn)姿勢(shì);若不符合,則對(duì)原始模型進(jìn)行自動(dòng)測(cè)量并記錄變形前被測(cè)部位的測(cè)量數(shù)據(jù),再將基礎(chǔ)模型的姿勢(shì)變形為標(biāo)準(zhǔn)姿勢(shì),重新進(jìn)行自動(dòng)測(cè)量并記錄變形后被測(cè)部位的測(cè)量數(shù)據(jù)。修訂的步驟的。此步驟能夠排除姿勢(shì)對(duì)測(cè)量結(jié)果的影響,可以提高模型庫數(shù)據(jù)的準(zhǔn)確性。
進(jìn)一步地,所述步驟3)還包括統(tǒng)一模型位置的步驟:根據(jù)pca特征值預(yù)測(cè)結(jié)果與真實(shí)測(cè)量結(jié)果的差值求均值和方差,根據(jù)統(tǒng)計(jì)結(jié)果選取n值使得均值和方差最小。此步驟可以排除極端案例,優(yōu)化存儲(chǔ)。
進(jìn)一步地,所述n的取值范圍8至20。
進(jìn)一步地,還包括在步驟4)建立的人體三維模型庫的基礎(chǔ)上添加隨機(jī)噪聲模型的步驟5):步驟5)在模型原點(diǎn)所在同一平面上隨機(jī)分布于半徑為1-6cm的圓圈內(nèi),對(duì)測(cè)量數(shù)據(jù)進(jìn)行調(diào)整,生成隨機(jī)噪聲模型,以模擬實(shí)際拍照過程中不可控制的微小變量;所述隨機(jī)噪聲包括位置隨機(jī)噪聲和姿勢(shì)噪聲。步驟5)可以提高模型庫測(cè)量數(shù)據(jù)的準(zhǔn)確性。此步驟使得模型抗噪聲能力更強(qiáng),適用性更強(qiáng)。
進(jìn)一步地,所述圓圈的半徑為4cm。
進(jìn)一步地,還包括優(yōu)化人體三維數(shù)據(jù)模型庫的步驟6):
6.1)虛擬拍照,取得二值圖;
6.2)利用二值圖訓(xùn)練體態(tài)標(biāo)簽的神經(jīng)網(wǎng)絡(luò);
6.3)利用少量真實(shí)人體測(cè)量數(shù)據(jù)優(yōu)化體態(tài)標(biāo)簽的神經(jīng)網(wǎng)絡(luò),生成優(yōu)化后的人體三維數(shù)據(jù)模型庫。
進(jìn)一步地,所述體態(tài)標(biāo)簽具體包括胸腰比、臀身高比、胸身高比、腰身高比、大腿圍臀比和/或肩寬胸比;所述測(cè)量數(shù)據(jù)包括胸圍、腰圍、臀圍、肩寬、臂長(zhǎng)、腿長(zhǎng)、上臂圍、大腿圍、小腿圍、體重和/或身高。
進(jìn)一步地,所述特征值和線性回歸模型向量是對(duì)矩陣采用svd分解方法獲取的??梢愿咝实貥?gòu)建人體數(shù)據(jù)庫
進(jìn)一步地,采用開源軟件make-human生成與真實(shí)測(cè)量數(shù)據(jù)對(duì)應(yīng)的任意大小的標(biāo)準(zhǔn)姿勢(shì)人體三維虛擬模型庫。
本發(fā)明的優(yōu)點(diǎn)為:
1.本方法低成本、高精度、高效率地構(gòu)建人體數(shù)據(jù)庫??纱蟠罂s短測(cè)量時(shí)間,提高測(cè)量精度和效率,并且能對(duì)人體的體型趨勢(shì)進(jìn)行評(píng)估。數(shù)據(jù)庫度采集到的數(shù)據(jù),數(shù)據(jù)量大,分類清晰,可以通過數(shù)據(jù)庫界面直觀的找出所需數(shù)據(jù)類別的數(shù)據(jù),方便分析研究。
2、通過在進(jìn)行人物識(shí)別的同時(shí)存儲(chǔ)數(shù)據(jù)來擴(kuò)大數(shù)據(jù)量,避免了數(shù)據(jù)冗余。
3.本發(fā)明方法的輸入數(shù)據(jù)易于獲取,只需要獲取圖片信息,就可以解決已有算法的輸入復(fù)雜的問題;測(cè)試設(shè)備簡(jiǎn)單,只需簡(jiǎn)單的設(shè)備就可以完成輸入信息采集,數(shù)據(jù)采集成本小。
4.本發(fā)明采用了梯度下降的策略來獲取最佳解,從而提高了預(yù)測(cè)數(shù)據(jù)的準(zhǔn)確率。
5.建立人體尺寸數(shù)據(jù)庫。可以實(shí)現(xiàn)服裝定制服務(wù),外聯(lián)電子商務(wù)系統(tǒng),可以實(shí)現(xiàn)在線銷售。通過服務(wù)器中的3d建模軟件還能繪制出人體表面圖像,有利于人體體型研究、醫(yī)學(xué)、人體工程學(xué)和安檢等技術(shù)領(lǐng)域的技術(shù)革新。
附圖說明
圖1為本發(fā)明實(shí)施設(shè)備示意圖;
圖2為本發(fā)明方法流程圖;
圖3為本發(fā)明方法畸變矯正的流程圖;
圖4為深度卷積神經(jīng)網(wǎng)絡(luò)標(biāo)簽簡(jiǎn)化的預(yù)測(cè)流程圖;
圖5為深度卷積神經(jīng)網(wǎng)絡(luò)標(biāo)簽預(yù)測(cè)流程圖;
圖6為模型庫生成的流程圖;
圖7為任意大小人體模型圖;
圖8為基礎(chǔ)模型變形圖。
具體實(shí)施方式
對(duì)人體測(cè)量數(shù)據(jù)進(jìn)行預(yù)測(cè)的方法是指利用兩張非深度圖片和待測(cè)人體的身高、體重信息對(duì)待測(cè)人體的測(cè)量數(shù)據(jù)進(jìn)行預(yù)測(cè)的方法。
如圖1所示,實(shí)現(xiàn)本發(fā)明方法的設(shè)備包括體重儀、超聲波測(cè)身高儀器和150度廣角500萬像素的攝像頭。
如圖2至8所示,對(duì)人體測(cè)量數(shù)據(jù)進(jìn)行預(yù)測(cè)的方法,包括以下步驟:
一)構(gòu)建模型庫;所述模型庫由多個(gè)人體模型及每個(gè)人體模型多個(gè)部位的測(cè)量數(shù)據(jù)構(gòu)成,構(gòu)建模型庫包括以下步驟,
步驟1)建立人體三維虛擬模型庫:生成與真實(shí)測(cè)量數(shù)據(jù)對(duì)應(yīng)的任意大小的標(biāo)準(zhǔn)姿勢(shì)人體三維虛擬模型庫;所述虛擬模型庫為m×n×3的矩陣,其中m為模型數(shù)量,n為頂點(diǎn)數(shù)量;所述任意大小的標(biāo)準(zhǔn)姿勢(shì)人體的身高為1.2米至2.2米;
具體步驟為:采用開源軟件make-human生成與真實(shí)測(cè)量數(shù)據(jù)對(duì)應(yīng)的任意大小的標(biāo)準(zhǔn)姿勢(shì)人體三維虛擬模型庫,根據(jù)原始模型生成具有一定拓?fù)浣Y(jié)構(gòu)的基礎(chǔ)模型,再根據(jù)基礎(chǔ)模型生成與真實(shí)測(cè)量數(shù)據(jù)對(duì)應(yīng)的任意大小的標(biāo)準(zhǔn)姿勢(shì)人體三維虛擬模型庫;所述原始模型包括真實(shí)人體或人工建立的模型;標(biāo)準(zhǔn)姿勢(shì)詳見國(guó)家標(biāo)準(zhǔn)《gbt23698-2009三維掃描人體測(cè)量方法的一般要求》;虛擬數(shù)據(jù)庫里面所有模型都滿足為同一套拓?fù)浣Y(jié)構(gòu),意味著都是同一個(gè)模型變形過去的,這樣可以獲取模型本身的三維頂點(diǎn)的主成分分析信息;
所述步驟1)還包括對(duì)基礎(chǔ)模型進(jìn)行修訂的步驟:判斷基礎(chǔ)模型的姿勢(shì)是否符合標(biāo)準(zhǔn)姿勢(shì);若不符合,則對(duì)原始模型進(jìn)行自動(dòng)測(cè)量并記錄變形前被測(cè)部位的測(cè)量數(shù)據(jù),再將基礎(chǔ)模型的姿勢(shì)變形為標(biāo)準(zhǔn)姿勢(shì),重新進(jìn)行自動(dòng)測(cè)量并記錄變形后被測(cè)部位的測(cè)量數(shù)據(jù)。
對(duì)基礎(chǔ)模型進(jìn)行自動(dòng)測(cè)量并記錄所在的位置,將基礎(chǔ)模型變形后恢復(fù)測(cè)量位置,重新進(jìn)行自動(dòng)測(cè)量;所述基礎(chǔ)模型為一定拓?fù)浣Y(jié)構(gòu)標(biāo)準(zhǔn)姿勢(shì)的默認(rèn)未變形的模型;利用虛擬模型都是同一模型變形而來的特點(diǎn),可以采取在基礎(chǔ)模型測(cè)量,記錄所在的位置,變形后恢復(fù)測(cè)量位置重新測(cè)量的來完成;
步驟2)通過學(xué)習(xí)得到虛擬模型體態(tài)標(biāo)簽的權(quán)重和偏移量:
采用線性回歸公式y(tǒng)0=w0x已知+b0,使y0和y實(shí)測(cè)偏差最小,學(xué)習(xí)得到w學(xué)和b學(xué);其中:
y0為計(jì)算出的測(cè)量數(shù)據(jù);
x已知為已知向量[height,weight,label0,label1,…,labeln],其中l(wèi)abel0,…,labeln為體態(tài)標(biāo)簽;
y實(shí)測(cè)為實(shí)際測(cè)量數(shù)據(jù);
w0為需要學(xué)習(xí)的權(quán)重;
b0為需要學(xué)習(xí)的偏移量;
w學(xué)為學(xué)習(xí)得到的權(quán)重;
b學(xué)為學(xué)習(xí)得到的偏移量;
步驟3)獲取pca主特征值:
按照下式預(yù)測(cè)出pca特征值,作為線性回歸模型向量:
y=w學(xué)x+b學(xué)
y為最終預(yù)測(cè)出的向量;
x為模型實(shí)測(cè)的向量[height,weight,label0,label1,…,labeln],其中l(wèi)abel0,…,labeln為體態(tài)標(biāo)簽;
再從預(yù)測(cè)出的pca特征值,取特征值大的前n個(gè)值作為pca主特征值,其中n為大于1的自然數(shù);
所述步驟3)還包括統(tǒng)一模型位置的步驟:根據(jù)pca特征值預(yù)測(cè)結(jié)果與真實(shí)測(cè)量結(jié)果的差值求平均和方差,根據(jù)統(tǒng)計(jì)結(jié)果選取n值使得均值和方差最小,所述n的取值范圍一般為8至20。
步驟4)計(jì)算模型數(shù)據(jù):
根據(jù)步驟3中得到的線性回歸模型向量以及pca主特征值,反向計(jì)算出頂點(diǎn)數(shù)據(jù),加上已有模型的拓樸信息,反推出模型數(shù)據(jù),建立符合虛擬拍照要求的人體三維模型庫。模型數(shù)據(jù)平均誤差在1cm以內(nèi),絕對(duì)值誤差大于2cm的個(gè)數(shù)每百個(gè)模型不大于1個(gè)。
還包括在步驟4)建立的人體三維模型庫的基礎(chǔ)上添加隨機(jī)噪聲模型的步驟5,步驟5)在模型原點(diǎn)所在同一平面上隨機(jī)分布于半徑為1-6cm的圓圈內(nèi),對(duì)測(cè)量數(shù)據(jù)進(jìn)行調(diào)整,生成隨機(jī)噪聲模型,以模擬實(shí)際拍照過程中不可控制的微小變量;所述隨機(jī)噪聲包括位置隨機(jī)噪聲和姿勢(shì)噪聲。圓圈的優(yōu)選半徑為4cm。
還包括優(yōu)化數(shù)據(jù)庫的步驟6):
6.1)虛擬拍照,取得二值圖;
6.2)利用二值圖訓(xùn)練體態(tài)標(biāo)簽的神經(jīng)網(wǎng)絡(luò);
6.3)利用少量真實(shí)人體測(cè)量數(shù)據(jù)優(yōu)化體態(tài)標(biāo)簽的神經(jīng)網(wǎng)絡(luò),生成優(yōu)化后的人體三維數(shù)據(jù)模型庫。
二)將模型庫中人體模型的不同部位比值的統(tǒng)計(jì)值進(jìn)行分級(jí),生成體態(tài)標(biāo)簽;
三)獲取待測(cè)人體的身高、體重以及包含待測(cè)量部位的照片信息;所述照片信息包括人體正面照和/或人體側(cè)面照;照片信息可以由含有廣角鏡頭的攝像機(jī)獲取,在對(duì)照片進(jìn)行預(yù)處理之前還包括畸變矯正步驟;
四)將照片處理成為二值圖;
五)根據(jù)所構(gòu)建的模型庫,對(duì)二值圖進(jìn)行深度卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí);(例如這里會(huì)將人物的胸圍腰圍的比例分6級(jí),然后這里會(huì)根據(jù)輸入的圖片預(yù)測(cè)出當(dāng)前待測(cè)人體的標(biāo)簽級(jí)別);深度卷積神經(jīng)網(wǎng)絡(luò)方法主要是通過構(gòu)造多層卷積網(wǎng)絡(luò),采用半監(jiān)督學(xué)習(xí)的方法,機(jī)器自動(dòng)學(xué)習(xí)特征,并進(jìn)行分類;圖5中,輸出的7個(gè)值代表該數(shù)據(jù)屬于7個(gè)不同標(biāo)簽等級(jí)的概率。
六)根據(jù)學(xué)習(xí)結(jié)果預(yù)測(cè)待測(cè)人體的體態(tài)標(biāo)簽;
七)利用身高、體重以及預(yù)測(cè)出的體態(tài)標(biāo)簽,預(yù)測(cè)出待測(cè)人體的測(cè)量數(shù)據(jù)(胸圍,腰圍,臀圍,大腿圍,上臂圍等)。
八)還包括根據(jù)測(cè)量數(shù)據(jù)建立待測(cè)人體三維模型的步驟。
所述體態(tài)標(biāo)簽包括胸腰比、臀身高比、胸身高比、腰身高比、大腿圍臀比和/或肩寬胸比;所述測(cè)量數(shù)據(jù)包括胸圍、腰圍、臀圍、肩寬、臂長(zhǎng)、腿長(zhǎng)、上臂圍、大腿圍、小腿圍、體重和/或身高。
所述特征值和特征向量是對(duì)矩陣采用svd分解方法獲取的;
步驟2)中的公式可利用梯度下降法來獲取最佳解。
線性回歸公式可以有多種,本發(fā)明采用的公式適合少量數(shù)據(jù)時(shí)使用,數(shù)據(jù)量大可以另外建模型。
體態(tài)標(biāo)簽設(shè)計(jì):
以男性標(biāo)簽為例(女性標(biāo)簽基本一致,只是取值范圍不同),目前男性標(biāo)簽有4個(gè),分別為胸腰比(bust_waist),胸身高比(bust_height),腰身高比(waist_height),臀身高比(hip_height)。體態(tài)標(biāo)簽還可以根據(jù)需要擴(kuò)充維度信息。
以下的標(biāo)簽設(shè)計(jì)都是按照已有的數(shù)據(jù)庫統(tǒng)計(jì)分布后生成。
胸腰比(bust_waist)設(shè)計(jì)如下:
臀身高比(hip_height)設(shè)計(jì)如下:
胸身高比(bust_height)
腰身高比(waist_height)