3D-body-experience
Análisis de datos obtenidos en condiciones de laboratorio
Entregable: E4.1
ÍNDICE
1. OBJETIVO 5
2. INTRODUCCIÓN 6
3. ANÁLISIS DE LOS DATOS OBTENIDOS EN CONDICIONES DE LABORATORIO 7
3.1. Estudio de técnicas de imagen HDR 7
3.2. Detección de objetos y reconocimiento de formas en imágenes 7 3.3. Precisión en la Reconstrucción 3D con imágenes de usuarios en ropa de calle 11 3.4. Precisión en la reconstrucción 3D mediante selfies 12 3.5. Estudio de la influencia de distintos factores en la reconstrucción 3D del pie 15 3.6. Estudio de inputs que un usuario puede reportar de sí mismo 16 3.7. Precisión en la reconstrucción 3D a partir de parámetros 22
1. OBJETIVO
El objetivo de este paquete de trabajo ha sido analizar los datos generados en condiciones de laboratorio tanto desde el punto de vista de la experiencia de usuario, como de la precisión de las tecnologías.
2. INTRODUCCIÓN
A medida que se ha ido desarrollando el trabajo en el PT3, es decir, a medida que se han ido realizando exploraciones en la tecnología de reconstrucción 3D en materia de procesado de la información de adquisición, generación de avatares 3D y mejoras en las interfaces de usuario, éstas se han ido estudiando a nivel de laboratorio para, en base al análisis de los resultados, detectar puntos clave y orientar los cambios y mejoras a realizar en el PT3. Este entregable recoge las pruebas realizadas, tanto cualitativas como cuantitativas.
3. ANÁLISIS DE LOS DATOS OBTENIDOS EN CONDICIONES
DE LABORATORIO
3.1. ESTUDIO DE TÉCNICAS DE IMAGEN HDR
Para apoyar la exploración descrita en el apartado 3.1.1. del Entregable 3.1, se realizó un estudio con un doble objetivo:
1. Obtener imágenes con mejor contraste y mayor homogeneidad de colores que las obtenidas con técnicas estándares.
2. Ajustar automáticamente el número de imágenes de ráfaga necesario y el rango máximo de tiempos de exposición a emplear.
Para conseguir el primer objetivo se desarrolló un algoritmo con modificaciones basadas en técnicas de fusión de exposiciones. Se obtienen como resultado las imágenes de la Figura 1b).
a) b)
Figura 1. a) Imágenes obtenidas con imagen digital estándar b) Resultado del algoritmo de mejora basado en imagen HDR.
Los parámetros del segundo objetivo se obtuvieron mediante criterio de experto tras realizar un estudio con 2350 casos aproximadamente (56 usuarios*7 escenarios/usuario*6 combinaciones/escenario). Se concluyó que las ráfagas de tamaño entre 5 y 7 imágenes eran adecuadas y el rango máximo de tiempos de exposición debía estar contenido en [5, 150] ms.
3.2. DETECCIÓN DE OBJETOS Y RECONOCIMIENTO DE FORMAS EN
IMÁGENES
Como se ha indicado en el apartado 3.1.2.1. del Entregable 3.1, se han explorado diversas redes neuronales convolucionales con diversos propósitos:
Segmentación de pies en imágenes
Un primer estudio ha consistido en el entrenamiento de la red para identificar la pertenencia de cada pixel de la imagen.
En la Figura 2a) se pueden ver las fotos tomadas de los pies derecho e izquierdo, y en la Figura 2b) se pueden ver las máscaras correspondientes, en las que se ha identificado el fondo de la imagen (gris), el folio (rojo), el pie derecho (verde) y el pie izquierdo (azul).
a) b)
Figura 2. a) Imágenes (fotos) de pie izquierdo y derecho, b) máscaras correspondientes
Se realizaron estudios con imágenes que contenían folios de diferente tamaño (tamaño USA y tamaño A4), y se aumentó el número de imágenes utilizando espejados de las originales. De un total de 6274 imágenes (contando las imágenes espejadas), se utilizaron el 80% (5020 imágenes) para realizar el entrenamiento y el 20% (1254 imágenes) para la validación.
Segmentación de cuerpos en imágenes
Para la segmentación de cuerpo, inicialmente se compararon visualmente dos CNNs: Se observó que las dos redes ofrecían resultados similares, aunque la PSPNet delimitaba los bordes ligeramente mejor. El estudio consistió en segmentar de forma automática un banco de 792 parejas de imágenes (frontal y lateral; 1584 imágenes en total) mediante dos métodos distintos: la red PSPNet y el método anterior de segmentación con silueta guía (Figura 3).
a) b)
Figura 3. Ejemplo de a) segmentación tradicional (con silueta de referencia), b) segmentación con PSPNet.
Las imágenes contienen diferentes sujetos en distintos escenarios y con diferentes tipos de ropa. En la Figura 4 se puede ver un ejemplo de los diferentes escenarios empleados.
Figura 4. Ejemplos de escenarios contenidos en las imágenes para realizar el estudio comparativo.
Las segmentaciones de los dos métodos anteriores se compararon con la segmentación realizada por un humano experto, dando lugar a los resultados observados en la Figura 5. Según la gráfica, los resultados de la CNN (en azul) son más precisos y robustos que los del método de segmentación tradicional empleando una silueta de referencia (guía) (en rojo).
Figura 5. Evaluación de los métodos de segmentación
Identificación de esquinas del folio
Se realizó un estudio para detectar las esquinas del folio.Los puntos a identificar eran las esquinas del folio respecto a la posición del pie, de manera que coincidan en las diferentes imágenes.
El número y partición de imágenes para el entrenamiento y la evaluación coinciden con el resto de estudios relacionados con el pie (5020 para entrenamiento y 1254 de validación).
Identificación de joints del cuerpo
Se han testeado tres redes distintas. En la Figura 6 pueden observarse ejemplos de detección de joints con las diferentes redes.
b)
c)
Figura 6. Detección de joints de las redes
Visualmente, las tres redes ofrecen resultados similares.
3.3. PRECISIÓN EN LA RECONSTRUCCIÓN 3D CON IMÁGENES DE
USUARIOS EN ROPA DE CALLE
Se ha realizado un estudio para evaluar la precisión del sistema de reconstrucción a partir de fotografías del sujeto en ropa casual de calle (ropa no ajustada). Para ello se modificó el algoritmo de ajuste para que solamente utilizase aquellos marcadores y zonas del cuerpo que podrían describir la forma corporal sin presentar oclusiones debido a la ropa, como hombros, pecho, cadera, etc. (ver Figura 7).
El algoritmo se evaluó utilizando una base de datos de 40 muestras (22 sujetos capturados en diferentes instantes). Se realizaron las reconstrucciones y se extrajeron medidas corporales. Los resultados se compararon con los obtenidos mediante una inferencia directa (sin utilizar imágenes) a partir de la edad, peso y estatura. En la Figura 8 se puede ver una comparativa del error en mm de cada método (la diferencia entre las medidas de cada método frente a las medidas obtenidas con un escáner de referencia). Como puede observarse en la figura, las medidas relacionadas con las zonas que resultan fiables para hacer el ajuste, mejoraban respecto a la inferencia directa, mientras que algunas otras medidas empeoraban.
Por ello, se realizó una reconstrucción en dos fases. Primero se realizó una reconstrucción mediante ajuste utilizando las imágenes. De los resultados de esta reconstrucción se extrajeron las medidas que resultaban fiables (contorno de pecho, contorno de bajo-pecho, contorno de cadera) y en una segunda fase se realizó una inferencia utilizando dichas medidas además de la estatura, peso y edad. Tal y como se observa en la figura, esta solución (verde) ofrece mejores resultados que la implementación del ajuste (rojo) y la inferencia (azul) por separado, ya que combina las ventajas de ambos métodos.
Figura 8. Reconstrucción mediante ajuste de imágenes (rojo), inferencia (azul) y reconstrucción en dos fases (verde).
3.4. PRECISIÓN EN LA RECONSTRUCCIÓN 3D MEDIANTE SELFIES
Se ha realizado un estudio para evaluar la precisión del sistema de reconstrucción a partir de fotografías del sujeto en ropa ajustada tomadas con el teléfono
apoyado en el suelo (selfie) y determinar si la precisión es comparable a la de imágenes tomadas por una segunda persona (estándar).
Para poder realizar el estudio, fue necesario realizar una serie de adaptaciones en la tecnología para la toma de imágenes selfie y su posterior procesado (descritas en el apartado 3.1.4. del Entregable E3.1). Se consideraron tres distancias teléfono-sujeto (corta, media y larga) y dos ubicaciones de la silueta en la pantalla frontal del teléfono (centrada y alineado superior). La Figura 9 muestra ejemplos de las siluetas mostradas en la pantalla en cada una de las condiciones estudiadas.
Figura 9. Ejemplo de siluetas mostradas por pantalla para las condiciones estudiadas de distancia (1, 2, 3) y ubicación de silueta (c, u)
El algoritmo se evaluó utilizando una base de datos de 40 muestras (22 sujetos capturados en diferentes instantes). Se realizaron las reconstrucciones y se extrajeron medidas corporales. Los resultados se compararon con los obtenidos mediante imágenes tomadas por una segunda persona. En la Figura 10 y en la Tabla 1 se puede ver una comparativa del error en mm de cada método (la diferencia entre las medidas de cada método frente a las medidas obtenidas con un escáner de referencia). Como puede observarse en la figura y en la tabla, los errores de las medidas están en el mismo orden de magnitud para todas las condiciones de selfie. Hay medidas que empeoran ligeramente para algunas condiciones de selfie (alturas, contornos de pecho y bajo pecho, y contorno de rodilla) y otras mejoran ligeramente (contorno de cadera, longitud de brazo).
Figura 10. Reconstrucción mediante segunda persona (negro), selfies centrados y selfies no centrados Tabla 1. Errores para algunas de las medidas en las distintas condiciones de selfie evaluadas (en mm).
c1 c2 c3 u1 u2 u3 Segunda
persona
Estatura 9 9 9 9 8 10 10
Altura cervical 13 13 16 13 14 18 14
Altura del contorno de cadera 12 13 15 12 13 16 11 Altura de entrepierna 9 10 13 11 13 13 10
Altura de rodilla 8 9 8 8 8 8 7
Contorno de cuello 13 11 11 12 11 13 15
Longitud acoplada entre acromions 17 17 20 18 17 20 20 Distancia entre pechos 12 10 10 12 11 10 9
Contorno de pecho 23 20 23 25 24 23 20
Contorno de bajo-pecho 21 23 22 23 21 25 20
Contorno de cintura 21 20 19 22 21 20 19
Contorno de cadera 13 16 19 16 15 18 17
Contorno de brazo superior 9 12 12 10 10 10 14 Longitud acoplada de brazo superior 17 13 10 19 15 12 13 Longitud acoplada de antebrazo 17 13 14 14 15 13 15
Contorno de muñeca 9 10 10 11 10 11 8
Contorno máximo de muslo 11 10 11 11 11 11 10
Contorno de rodilla 17 17 18 19 17 17 13
Error medio 14 14 14 15 14 15 14
3.5. ESTUDIO DE LA INFLUENCIA DE DISTINTOS FACTORES EN LA
RECONSTRUCCIÓN 3D DEL PIE
Se ha realizado un estudio para analizar el efecto de 3 factores distintos en las medidas del pie. Los 3 factores estudiados son si existe o no diferencia entre el pie apoyado en carga (de pie) y en semi-carga (sentado con el pie apoyado), si existe o no diferencia en distintos momentos del día, y si existe o no diferencia entre días. Las medidas del pie analizadas han sido: longitud del pie, perímetro de dedos, perímetro de metas, ancho de metas, perímetro de empeine y altura de empeine. El estudio se ha realizado con la información procedente de 16 sujetos.
Cuando se estudia un modelo en el que la variable respuesta (o de interés) es de tipo numérica frente a una variable explicativa de tipo cualitativa (los factores) hay que recurrir a los modelos estructurales, en particular a los modelos ANOVA. Un modelo ANOVA estudia la existencia del efecto producido por el factor sobre la variable de interés. Estos modelos brindan, entre mucha otra información, un nivel de significancia estadística para afianzar o descartar la idea de la existencia del efecto del factor.
La significancia estadística se obtiene a través de una de las herramientas que posee la estadística, los contrastes de hipótesis, donde se utilizan los datos de la muestra para comprobar si una afirmación acerca de la población puede ser cierta
o no. Cualquier contraste dispone de 2 hipótesis, una inicial y otra alternativa, y un coeficiente llamado p_valor, el cual indicará la hipótesis a descartar. Para quedarse con la hipótesis alternativa, el p_valor debe ser inferior a 0,05, por tanto, para afirmar efecto de algún factor se deberán obtener p_valores inferiores a dicha cota.
El interés del estudio radica en analizar la existencia del efecto de los factores apoyo en carga y semi-carga (WB), momento del día (SESSION), y día (DAY). Por tanto, se han tratado modelos ANOVA donde las variables respuesta eran las diferentes medidas del pie y los factores eran WB, SESSION, y DAY. Para realizar el estudio y diseñar modelos ANOVA equilibrados, se ha tomado el mismo número de observaciones por cada nivel de factor de estudio.
En el momento de diseñar un ANOVA con varios factores, surge el concepto de interacción entre factores, originando un nuevo factor. Parte de la varianza no explicada por los factores de forma independiente puede ser explicada por las interacciones. Se han planteado diferentes análisis de interacción entre factores a lo largo del estudio, todos ellos con resultado negativo, es decir, no se ha detectado interacción entre los factores de estudio.
En un primer planteamiento, se ha realizado un ANOVA por sujeto, lo cual ha servido de guía para comenzar a estudiar la tendencia del efecto de los factores. En la Tabla 2 se muestra un resumen con el número de sujetos bajo efecto factor; cada columna es un modelo propuesto, uno incluyendo DAY como factor y otro incluyendo SESSION.
Tabla 2. Tabla resumen con el número de sujetos bajo el efecto de cada factor (en columnas)
DAY SESSION
Longitud del pie 2/16 15/16
Perímetro de dedos 1/16 5/16 Perímetro de metas 4/16 5/16 Ancho de metas 2/16 9/16 Perímetro de empeine 4/16 7/16 Altura de empeine 5/16 13/16 TOTAL 18/96 54/96
3.6. ESTUDIO DE INPUTS QUE UN USUARIO PUEDE REPORTAR DE SÍ
MISMO
Dentro del contexto de la reconstrucción 3D a partir de parámetros, entre ellos medidas antropométricas (apartado 3.2 del Entregable 3.1), se ha querido estudiar qué información antropométrica es capaz de generar el usuario de sí mismo con cierta fiabilidad, autonomía, facilidad y disponibilidad, y los errores que se comete.
Para ello se han analizado datos procedentes de un estudio en el que han participado 40 sujetos (20 mujeres y 20 hombres). Los sujetos se han seleccionado de manera aleatoria para cubrir un rango amplio de estatura y peso (Tabla 3). Considerando dos repeticiones de la toma de medidas por sujeto, el tamaño de la muestra permite analizar la fiabilidad de las medidas en total y por sexo, ya que de acuerdo a un diseño de experimentos optimizado1 para un test de hipótesis de
fiabilidad con un ICC admisible del 80% y un ICC esperado del 95%, para un nivel de significación del 5% y potencia del 80%, el tamaño muestral mínimo es de 13 sujetos.
Tabla 3. Estadísticos descriptivos Media±SD (rango) de la muestra de sujetos por sexo.
Mujer (n = 20) Hombre (n = 20) Total (n = 40)
Edad (años) 32±10 (21-57) 32±10 (20-52) 32±10 (20-57)
Peso (Kg) 60.1±11.2 (44.3-95.8) 75.7±13.9 (52.8-117) 67.9±14.8 (44.3-117)
Estatura (cm) 163±7 (149-175) 174±7 (166-195) 168±9 (149-195)
Se entregó un formulario a los participantes para tomar sus medidas antes de la sesión en el laboratorio, acompañado de instrucciones como las que se encuentran junto a la tabla de tallas de tiendas online de moda.
1S. D. Walter et al., “Sample size and optimal designs for reliability studies,” Stat. Med., vol. 17, no. 1, pp. 101– 110, 1998.
Figura 11. Formulario entregado a los sujetos del estudio; mujeres (arriba) y hombres (abajo).
Las automedidas seleccionadas para el estudio se han extraído de la revisión descrita en el apartado 3.2.1. del Entregable 3.1., donde se identificaron las principales medidas que utilizaban la mayoría de las marcas. Sin embargo, algunas medidas recogidas en la revisión fueron descartadas por la dificultad que suponía a los usuarios tomarlas correctamente o la desviación numérica entre el método
de automedida manual y el método de medida digital sobre la malla 3D. Por tanto, finalmente, las automedidas y parámetros reportados fueron: género, edad, peso, estatura, contorno de busto/pecho, contorno de cintura, contorno de cadera, altura de entrepierna, contorno de bajo-pecho (solo en mujeres) y contorno de cuello (solo en hombres) (Figura 11).
Los sujetos volvieron a tomar sus medidas durante la sesión de laboratorio, de manera que se recogió información cuantitativa y cualitativa (tanto textual como visual) del proceso. Además, el experimentador midió la estatura y el peso de los sujetos utilizando una báscula y estadiómetro SECA en la sesión de laboratorio y se les escaneó. Los resultados de este proceso se describen a continuación. En la Tabla 4 se puede ver el método de medida empleado por los sujetos en su hogar:
Tabla 4. Método de medida empleado por los sujetos Estatura Peso Contorno
de pecho Contorno de cintura Contorno de cadera Altura entrepierna Contorno de cuello Contorno de bajo-pecho Se lo sabe de memoria 81% 51% 0% 0% 0% 0% 0% 0% Marca en la pared 5% 0% 0% 0% 0% 3% 0% 0% Cinta métrica (plástico/tela) 3% 0% 86% 86% 86% 84% 82% 91% Estadiómetro 3% 0% 0% 0% 0% 0% 0% 0% Báscula 0% 49% 0% 0% 0% 0% 0% 0% Flexómetro 8% 0% 5% 5% 5% 8% 12% 0% Cinturón 0% 0% 8% 8% 8% 5% 6% 9%
Se puede observar que la mayoría de las personas dicen que se saben su estatura de memoria. Por otro lado, el peso se lo conocen poco más que el 50% de los sujetos, el resto se lo ha medido con báscula. El resto de medidas en su mayoría se han tomado con cinta métrica, sin embargo, existe un porcentaje de sujetos que se han medido los contornos con un cinturón o cinta, o con un flexómetro (cinta métrica metálica) por no disponer de cinta métrica de plástico o tela. En la Tabla 5 se puede ver si la medida se la han podido tomar por ellos mismos, o han necesitado ayuda de una segunda persona:
Tabla 5. Persona que ha tomado la medida. Estatura Peso Contorno
de pecho Contorno de cintura Contorno de cadera Altura entrepierna Contorno de cuello Contorno de bajo-pecho Segunda persona 8% 0% 32% 32% 32% 46% 53% 15% Uno/a mismo/a 92% 100% 68% 68% 68% 54% 47% 85%
La estatura y peso se lo toman la mayoría de las personas sin necesidad de ayuda de nadie más. En el caso de los contornos del cuerpo, de media un 32% de las personas necesita ayuda de una segunda persona. Este porcentaje aumenta para medirse el contorno de cuello y la altura de la entrepierna.
En la Tabla 6 se puede ver la condición en que se ha tomado la medida, es decir, si la persona estaba sin ropa (en ropa interior ajustada) o vestida durante la medida:
Tabla 6. Condición de medida Estatura Peso Contorno
de pecho Contorno de cintura Contorno de cadera Altura entrepierna Contorno de cuello Contorno de bajo-pecho Persona sin ropa 92% 86% 57% 59% 43% 73% 82% 55%
Persona vestida 8% 14% 43% 41% 57% 27% 18% 45%
La mayoría de las personas se han medido la estatura y el peso y el contorno de cuello en ropa interior ajustada (sin ropa), lo mismo ocurre con la altura de entrepierna, aunque en menor medida. En relación a los contornos, el porcentaje de personas que se los ha medido con ropa y sin ropa (en ropa interior ajustada) ha sido bastante parecido.
En la Tabla 7 se pueden ver los principales errores cometidos por los sujetos a la hora de medirse:
Tabla 7. Errores en el procedimiento de medida. Estatura Peso Contorno
de pecho Contorno de cintura Contorno de cadera Alturaentrepierna Contorno de cuello Contorno de bajo-pecho Unidades en metros 27% Unidades en pulgadas 3% 3% 3% 3% 3% 5% Solo medio contorno 11% 11% 16% 24% Cinta métrica invertida 3% 3%
Algunos de los sujetos dieron la medida en metros, y otros en pulgadas, cuando se pedía en centímetros. En las medidas de contorno, algunos de los sujetos solo dieron el medio contorno o la envergadura. Por otro lado, a algunos sujetos se les invirtió la cinta métrica en el proceso de medida, y la lectura la dieron equivocada. Los datos de estos sujetos se excluyeron de posteriores análisis y no se usaron como entrada al sistema de reconstrucción a partir de parámetros.
En la Figura 12 se pueden ver algunos ejemplos de procedimientos de medida que han empleado los sujetos, entre ellos, medirse con ropa, tomarse medios contornos o solo envergaduras en lugar de contornos completos, usar flexómetros
para tomar según qué medidas, o no controlar la colocación de la cinta o el valor que da.
Figura 12. Ejemplos de procedimientos de medida empleados por los sujetos que constituyen fuentes de error.
La Tabla 8 recoge los errores de las medidas tomadas por los sujetos en comparación con la medida de referencia tomada con escáner. Para ello se han empleado el error medio (Mean Difference, MD) y el error absoluto medio (Mean
Absolute Error, MAE), restando el valor medido del de referencia.
Tabla 8. Errores de medida (cm) Estatura Contorno de pecho Contorno de cintura Contorno de cadera Altura entrepierna Contorno de cuello Contorno de bajo-pecho MD -1,4 2,4 2,0 4,1 -4,8 -0,8 0,4 MAE 1,6 2,9 3,0 4,6 5,0 1,5 2,7
En comparación con los valores de referencia, se observa una tendencia de los usuarios a sobreestimar su estatura (-1.4 cm), contorno de cuello (-0.8 cm) y altura de entrepierna (-4.8 cm); e infraestimar su contorno de pecho (2.4 cm), cintura (2 cm) y cadera (4.1 cm). Estos errores están muy por encima del umbral establecido por la normativa ISO2 excepto el contorno de bajo-pecho que está por debajo. El
rango del MAE de las automedidas está entre 1.5 cm y 5.5 cm y se encuentra muy por encima de los umbrales establecidos por ANSUR3, a excepción de la estatura,
cuyo valor está cerca (Tabla 9).
Tabla 9. Errores máximos admisibles (cm) Estatura Contorno de pecho Contorno de cintura Contorno de cadera Altura entrepierna Contorno de cuello Contorno de bajo-pecho MD2 0,5 0,9 0,9 0,9 0,5 0,4 0,9 MAE3 1,1 1,5 1,1 1,2 1,0 0,6 1,6
A raíz de esta exploración, se puede decir que parámetros como la edad, la estatura y el peso pueden ser reportados de forma bastante fiable por los usuarios y empleados en los modelos de inferencia, pero el uso de automedidas adicionales conlleva cierto riesgo.
Entre otros factores, los errores de las automedidas se deben a una falta de comprensión de las instrucciones de medición (falta de entendimiento). En el caso de emplear medidas adicionales, las instrucciones (o el entrenamiento de los usuarios) deben ser trabajadas cuidadosamente (por ejemplo a través de instrucciones en vídeo4) y los sesgos entre el método manual y el método digital
deben cuantificarse y corregirse específicamente.
De las medidas exploradas, y en vista de los resultados, las alternativas evaluadas finalmente para el modelo de inferencia han sido: edad, peso, estatura, contorno de pecho, contorno de cintura, contorno de cadera, y altura de entrepierna.
3.7. PRECISIÓN EN LA RECONSTRUCCIÓN 3D A PARTIR DE
PARÁMETROS
Dentro del contexto de la reconstrucción 3D a partir de parámetros, entre ellos medidas antropométricas (apartado 3.2.2 del Entregable 3.1) se ha diseñado y llevado a cabo el presente estudio con el objetivo de determinar la configuración óptima. Las alternativas son diferentes conjuntos de parámetros y medidas
2 ISO 20685:2010 - 3-D scanning methodologies for internationally compatible anthropometric databases. 2010.
3 C. C. Gordon et al., “1988 Anthropometric survey of US army personnel: methods and summary statistics,” Anthropology Research Project Inc Yellow Springs OH, Technical Report Natick/TR-89/044, 1989.
4 P. Barrios, J. Martin-Biggers, V. Quick, and C. Byrd-Bredbenner, “Reliability and criterion validity of self-measured waist, hip, and neck circumferences,” BMC Med. Res. Methodol., vol. 16, no. 1, Dec. 2016.
reportados por el usuario. La inclusión de parámetros adicionales correctamente obtenidos aporta una mejor representación de la forma corporal humana. Se ha realizado una batería de pruebas de generación de avatares utilizando distintas combinaciones de los parámetros reportados por los usuarios procedentes del estudio descrito en el apartado anterior (información demográfica y automedidas).
De este modo, las automedidas finalmente consideradas han sido: peso, estatura, contorno de busto/pecho, contorno de cintura, contorno de cadera y altura de entrepierna. Debido a valores erróneos en el conjunto seleccionado, sólo de 32 de los 40 sujetos pudieron evaluarse todas las alternativas propuestas para la configuración de parámetros (Tabla 10).
Figura 13. Automedidas tomadas por los sujetos durante el estudio.
La Tabla 10 contiene las alternativas propuestas para su evaluación. Los principales aspectos tenidos en cuenta a la hora de seleccionar la mejor configuración del método son los siguientes:
- Calidad de las automedidas: valorando la ausencia y/o los mínimos errores cometidos por los usuarios.
- Nivel de representatividad aportado: evaluado por valoración visual de experto y por cálculo de diferencias en las medidas del avatar generado frente al modelo 3D de referencia del mismo sujeto (obtenido por escáner).
Método Descripción
Inferencia con 3 parámetros
(1D3D(3)) Edad, estatura, peso, género Inferencia con 6 parámetros
(1D3D(6)) Edad, estatura, peso, género, pecho, cintura, cadera Inferencia con 7 parámetros
(1D3D(7)) Edad, estatura, peso, género, pecho, cintura, cadera, entrepierna
La Tabla 11 recoge los resultados de MD y MAE obtenidos al comparar las medidas extraídas de los escaneados de los usuarios procesados con la tecnología de referencia (escáner) con las medidas digitales extraídas de las diferentes configuraciones propuestas para los avatares inferidos.
Tabla 11. Error medio (MD) y error absoluto medio (MAE, entre paréntesis) en cm entre las medidas de referencia y los avatares 1D3D; valores bibliográficos de referencia2,3.
escáner – 1D3D(3) escáner – 1D3D(6) escáner – 1D3D(7) Error máx. admisible Estatura -1.3 (1.9) * -1.4 (1.9) * -1.5 (2) * 0.5 (1.1) Altura cervical -1.4 (1.8) -1.3 (1.7) -1.9 (2.2) 0.5 (0.7) Altura de entrepierna -1.4 (1.7) -1.3 (1.6) -4.4 (4.6) * 0.5 (1.0) Contorno de cuello -0.8 (1.2) -0.7 (1.1) -0.5 (1) 0.4 (0.6) Longitud entre acromions 0.4 (1.9) 0.4 (1.9) 0.6 (1.9) 0.4 (-) Longitud de hombro 0.3 (0.4) 0.2 (0.4) 0.4 (0.5) 0.5 (0.3) Distancia entre acromions 0 (1.1) -0.1 (1.2) 0.3 (1.2) 0.4 (0.8) Contorno de pecho 4.2 (4.3) 3.5 (3.6) * 3.5 (3.6) * 0.9 (1.5) Contorno de bajo-pecho 1.6 (1.9) 2.4 (2.6) 2.3 (2.5) 0.9 (1.6) Contorno de cintura 0.6 (3.4) 2 (3.1) * 1.8 (3) * 0.9 (1.1) Contorno de cadera 1.4 (3.1) 1.7 (3.2) * 2.2 (3.7) * 0.9 (1.2) Longitud acoplada de brazo -1.1 (1.6) -1 (1.6) -2.1 (2.3) 0.5 (-) Contorno de brazo superior 0.9 (1.4) 0.8 (1.4) 0.9 (1.4) 0.5 (0.6) Contorno de muñeca -0.2 (0.7) -0.2 (0.7) -0.1 (0.7) 0.5 (0.5) Contorno máximo de muslo 0.8 (2.2) 0.8 (2.0) 0.6 (2.0) 0.5 (0.6) Contorno de rodilla -0.2 (1.4) -0.1 (1.4) -0.2 (1.4) 0.5 (0.4) Volumen del cuerpo 0.1 (0.2) 0.1 (0.3) 0.2 (0.3)
*Medidas consideradas como parámetros en la generación 1D3D(3), 1D3D(6) y 1D3D(7).
Los errores medios para la configuración de 3 parámetros (1D3D(3)) se encuentran entre ±1.4 cm, a excepción del contorno de pecho, que está infraestimado por 4.2 cm. Dado que el error medio de los parámetros de generación (altura de entrepierna, contorno de pecho y cadera) son significativos, el error medio de los avatares 1D3D(6) y 1D3D(7) se ve incrementado, a excepción del contorno de
pecho, que mejora ligeramente (0.7 cm). Los valores de MAE para las tres configuraciones son similares, aunque se observan peores resultados cuando las automedidas son muy inexactas como en la altura de entrepierna (5 cm) y el contorno de cadera (4.6 cm). La Figura 14 ilustra esta situación mediante dos ejemplos donde se comparan los avatares 1D3D y los obtenidos con escáner. En ambos casos, la inclusión de automedidas adicionales supone una distorsión del resultado frente al modelo de referencia.
a)
b)
Figura 14. Ejemplo de mejor resultado de 1D3D(3) (plata, centro) frente a a)1D3D(6) por un valor inexacto de contorno de pecho (plata, der), y b) 1D3D(7) por un valor inexacto de altura de entrepierna (plata,
