체형 지수 및 인체 치수 기반 한국 성인의 체형 분류와 3차원 인체 형상 모델링을 위한 핵심 변수 도출 = Deriving Key Variables for Body Type Classification and 3D Human Body Shape Modeling in Korean Adults Using Anthropometric Indices and Measurements

다국어 초록 (Multilingual Abstract)

While the application of 3D body shape modeling has been expanding across the apparel industry, including digital fashion, virtual fitting, and personalized clothing recommendation systems, practical service environments face limitations in terms of cost and operational efficiency regarding the continuous acquisition and utilization of scan-based individual body data. Furthermore, to precisely reflect individual 3D body characteristics through limited anthropometric inputs, it is necessary to select key variables representing body shape variation and to establish a body type classification system based on objective criteria. The purpose of this study was to classify the whole-body types of Korean adult males and females based on body shape indices and anthropometric measurements using data from the 8th Size Korea survey, and to derive a key variable system that can be efficiently applied to 3D body shape modeling.
The data used for analysis consisted of direct measurements and automated 3D scan measurements from the 8th Size Korea survey, integrating cases where both measurements were performed on the same subjects. The final sample comprised 2,165 adults aged 20–59 years, including 1,002 males and 1,163 females. Statistical analysis was performed using SPSS 28.0.

As for the methodology, 71 previous studies related to 3D body shape modeling and body type classification were systematically reviewed to standardize anthropometric items into Size Korea terminology, and a candidate variable set was constructed based on the top 80% of cumulative usage frequency. Subsequently, key input variables were selected based on measurement convenience and representativeness of body shape, and their applicability was examined through descriptive statistics by age group and body shape distributions based on KS K 0050 and KS K 0051 standards. Correlation analysis verified the representativeness of the key variables, and principal component analysis (PCA) was used to derive auxiliary measurements for complementing 3D shape reconstruction, establishing a dual-variable system that distinguishes the analysis stage from the application stage. Based on the final variable set, K-means cluster analysis was conducted to derive body type categories by sex, and canonical discriminant analysis verified classification validity and reproducibility. Furthermore, multiple regression models were established to predict auxiliary measurements, and Random Forest variable importance analysis along with t-SNE and UMAP-based nonlinear dimensionality reduction was employed to cross-validate the statistical classification results.
The results revealed a total of 85 candidate variables through literature-based analysis. Ten key input variables manageable for users in actual application environments were finalized: stature, weight, chest circumference (males) or bust circumference (females), waist circumference, hip circumference, and derived indices including BMI, WHR, WHtR, drop, and lower drop. Correlation analysis showed that these key variables generally represented major anthropometric dimensions (height, trunk volume, central abdominal characteristics, and proportional indices). Through PCA, four auxiliary measurements—abdominal extension circumference, mid-thigh circumference, crotch height, and shoulder breadth—were additionally derived, resulting in a 14-variable system. In K-means clustering, a 10-cluster solution was found to be most suitable for both males and females in terms of distribution balance and convergence stability, with statistically significant differences in anthropometric measurements and body shape indices between clusters. Canonical discriminant analysis confirmed high reclassification accuracy, ensuring the validity and reproducibility of the classification, while auxiliary measurements were proven to be predictable using regression equations based on key variables. Moreover, Random Forest analysis showed that the selected key variables demonstrated consistent importance from a data-driven perspective, and t-SNE/UMAP visualizations confirmed that the cluster structures were clearly separated in the latent space. These findings complementarily verified that the statistical classification results align with the intrinsic distribution characteristics of anthropometric data.
This study is significant in that it presents an optimized key variable system for 3D body shape modeling based on large-scale anthropometric data and establishes an analytical procedure for systematic whole-body classification even with minimal input. The results provide a methodological basis for supporting body shape classification and 3D shape generation using only user-input measurements in environments where 3D scan data are limited, and are expected to have practical utility in digital fashion, virtual fitting, and customized apparel design.

국문 초록 (Abstract)

3D 인체 형상 모델링은 디지털 패션, 가상 피팅, 맞춤형 의류 추천 등 의류 산업 전반에서 활용 범위가 확대되고 있으나, 실제 서비스 환경에서 모든 사용자에 대해 3D 스캔 기반 개인 형상 데이터를 상시 확보·활용하기에는 비용과 운영 측면의 제약이 존재한다. 또한 제한된 인체 치수 입력만으로 개인의 3차원 체형 특성을 정밀하게 반영하기 위해서는, 체형 변이를 대표하는 핵심 변수를 선별하고 객관적인 기준에 기반한 체형 유형화 체계를 구축할 필요가 있다. 본 연구의 목적은 제8차 한국인 인체치수조사 자료를 활용하여 한국 성인 남녀의 전신 체형을 체형 지수 및 인체 치수 기반으로 유형화하고, 3D 인체 형상 모델링에 효율적으로 적용 가능한 핵심 변수 체계를 도출하는 데 있다.
분석 자료는 제8차 Size Korea에서 제공된 직접측정 및 3D 스캔 자동측정 데이터이며, 두 측정이 동일 대상자에게 수행된 사례를 통합하여 활용하였다. 최종 분석 표본은 20~59세 성인 남녀로 구성되며, 남성 1,002명과 여성 1,163명, 총 2,165명이다. 통계 분석에는 SPSS 28.0을 사용하였다.
연구 방법으로는 먼저 3D 인체 형상 모델링 및 체형 분류 관련 선행연구 71편을 체계적으로 고찰하여 인체 측정 항목을 Size Korea 표준 용어로 정규화하고, 누적 활용 빈도 상위 80% 기준으로 후보 변수군을 구성하였다. 이후 측정 용이성과 체형 대표성을 기준으로 핵심 입력 변수를 선정하고, 연령군별 기술통계 및 KS K 0050·0051 규격 기반 체형 분포 분석을 통해 적용 타당성을 검토하였다. 또한 상관관계 분석으로 핵심 변수의 대표성을 검증하고, 요인분석을 통해 3D 형상 재현을 보완하기 위한 보조 치수를 도출하여 분석 단계와 적용 단계를 구분한 이원화 변수 체계를 수립하였다. 최종 변수군을 기반으로 K-means 군집분석을 수행하여 성별 체형 유형을 도출하였으며, 정준판별분석을 통해 분류 타당성과 재현성을 검증하였다. 더 나아가 보조 치수 예측을 위한 다중회귀모형을 구축하고, Random Forest 변수 중요도 분석과 t-SNE·UMAP 기반 비선형 차원 축소 시각화를 통해 통계 기반 체형 유형화 결과를 교차 검증하였다.
연구 결과, 문헌 기반 분석을 통해 총 85개의 후보 변수군이 도출되었으며, 실제 적용 환경에서 사용자 입력이 가능한 핵심 변수는 신장, 몸무게, 가슴둘레(남)/젖가슴둘레(여), 허리둘레, 엉덩이둘레와 이로부터 산출되는 BMI, WHR, WHtR, 드롭, 하드롭의 10개로 확정되었다. 상관관계 분석 결과 핵심 변수는 인체 치수의 주요 차원(높이, 체간부 부피, 복부 중심 특성, 비례 지표)을 전반적으로 대표하는 것으로 나타났다. 요인분석을 통해 배둘레, 넙다리중간둘레, 샅높이, 어깨너비의 4개 보조 치수가 추가로 도출되어 최종 14개 변수 체계가 확정되었다. K-means 군집분석에서는 남녀 모두 10개 군집 해가 분포의 균형성과 수렴 안정성 측면에서 가장 적합한 것으로 나타났으며, 군집 간 인체 치수 및 체형 지수의 평균 차이는 통계적으로 유의하였다. 정준판별분석 결과 높은 재분류 정확도가 확인되어 체형 유형화의 타당성과 재현성이 확보되었고, 보조 치수는 핵심 변수 기반 회귀식으로 예측 가능하여 적용 단계 활용성이 검증되었다. 또한 Random Forest 기반 변수 중요도 분석 결과, 통계 분석을 통해 선정된 핵심 변수들이 데이터 주도적 관점에서도 일관된 중요도를 보였으며, t-SNE·UMAP 기반 비선형 차원 축소 분석에서는 도출된 체형 유형 간 군집 구조가 잠재 공간에서도 비교적 명확히 분리되는 양상이 확인되었다. 이를 통해 통계 기반 체형 유형화 결과가 인체 치수 데이터의 내재적 분포 특성과 전반적으로 정합함이 보완적으로 검증되었다.
본 연구는 대규모 인체 측정 데이터를 기반으로 3D 인체 형상 모델링에 최적화된 핵심 변수 체계를 제시하고, 최소 입력 기반으로도 전신 체형을 체계적으로 유형화할 수 있는 분석 절차를 구축하였다는 점에서 의의가 있다. 본 연구 결과는 3D 스캔 데이터 활용이 제한된 환경에서도 사용자 입력 치수만으로 체형 분류 및 3D 형상 생성을 지원할 수 있는 방법론적 근거를 제공하며, 향후 디지털 패션, 가상 피팅 및 맞춤형 의류 설계 분야에서 실무적 활용 가능성을 가질 것으로 기대된다.

목차 (Table of Contents)

• 제 1장 서론
• 1.1. 연구의 필요성
• 1.2. 연구의 목적
• 제 2장 이론적 배경
• 2.1. 인체 치수와 데이터베이스
• 2.1.1. 인체 치수의 개념과 한계
• 2.1.2. Size Korea 데이터의 활용 및 한계
• 2.2. 체형 분류를 위한 지표 및 기준
• 2.2.1. KS 규격 기반 드롭·하드롭 체형 분류
• 2.2.2. 체형 지수(BMI, WHR, WHtR)
• 2.3. 체형 유형화 방법론에 따른 선행연구
• 2.3.1. 통계적 기법 기반 전신 체형 유형화
• 2.3.2. AI 기반 변수 중요도 분석 및 비선형 차원 축소 기법의 활용
• 제 3장 연구 방법
• 3.1. 연구 대상 및 자료
• 3.1.1. 연구 대상
• 3.1.2. 데이터 수집 및 전처리
• 3.2. 3D 인체 형상 모델링을 위한 분석 변수 도출
• 3.2.1. 문헌 선정 기준 및 절차
• 3.2.2. 핵심 분석 항목 선정 및 변수 체계화
• 3.3. 연령별 특성 분석 및 핵심 변수 대표성 검토
• 3.3.1. 핵심 변수의 연령군별 기술통계 및 KS 표준 규격 기반 체형 분포 분석
• 3.3.2. 상관관계분석을 통한 핵심 변수의 대표성 검토
• 3.3.3. 요인분석을 통한 3D 형상 보완용 보조 치수 선정
• 3.3.4. 이원화 변수 체계 수립(분석용·적용용)
• 3.4. 통계 기반 체형 유형화 및 예측식 도출
• 3.4.1. K-means 군집분석 기반 체형 유형화
• 3.4.2. 정준판별분석을 통한 분류 타당성 및 재현성 검증
• 3.4.3. 보조 치수 예측 회귀식 도출
• 3.5. AI 기반 분석을 통한 체형 유형화 결과 검증
• 3.5.1. Random Forest 기반 변수 중요도 분석
• 3.5.2. t-SNE·UMAP 기반 군집 구조 분석
• 제 4장 연구 결과
• 4.1. 3D 인체 형상 모델링을 위한 변수 체계 설정
• 4.1.1. 문헌 기반 후보 변수군 도출 및 3D 형상 재현성 보완
• 4.1.2. 측정 용이성과 체형 대표성을 고려한 핵심 입력 변수군 선정
• 4.2. 연령군별 핵심 변수 특성 및 KS 표준 규격 기반 체형 분포
• 4.2.1. 핵심 변수의 연령군별 기술통계 및 차이 분석
• 4.2.2. KS K 0050·0051 규격 기반 성별·연령별 체형 분포 분석
• 4.3. 통계 기반 체형 유형화 결과
• 4.3.1. 상관관계분석을 통한 핵심 변수의 대표성 검토
• 4.3.2. 형상 보완을 위한 보조 치수 도출 및 최종 변수군 선정
• 4.3.3. 분석 및 적용 단계별 이원화 변수 체계 구성
• 4.3.4. K-means 군집분석 기반 체형 유형화 결과
• 4.3.5. 정준판별분석을 통한 군집 분류 타당성 및 재현성 검증
• 4.3.6. 보조 치수 예측 회귀식 도출
• 4.4. AI 기반 분석을 통한 체형 유형화 결과 검증
• 4.4.1. 비선형 기법 기반 타당성 검토를 위한 분석 설계
• 4.4.2. Random Forest 기반 대표 변수 중요도 분석
• 4.4.3. t-SNE·UMAP 기반 군집 구조 분석
• 4.4.4. 분석 결과 종합 및 다층적 체형 분류 체계에 대한 고찰
• 제 5장 결론 및 제언
• 참고문헌
• Abstract