1.一种基于实例根据人体尺寸数据生成个性化人体模型的方法，其总体特征在于，包括下列步骤：
第一步，人体测量尺寸获取与人体分块：根据《GB10000-88 中国成年人人体尺寸》测量标准的定义，从每个实例模型中获取人体测量尺寸的关键点，进而从实例模型，即扫描获得的三维网格模型模型中提取由26个人体测量尺寸组成的尺寸集合。同时，根据这些关键点与关键尺寸将实例模型分为16个刚性区域；通过尺寸的数值相关性分析及输入尺寸类型选取，建立可以表达7个关键尺寸到其余19个次要尺寸数值关系的BP神经网络与线性映射模型；
第二步，分块分析人体形状的统计信息：在将每个人体模型分为16个刚性区域后，确定每个区域的控制尺寸参数类型，并获得所有刚性区域的形变参数；建模部分采用一种能够较准确地生成定制模型的新方法：对每个人体部位学习其局部的形变参数与语义参数之间线性映射关系，即用线性回归方法统计分析经过降维的各刚性部位形状参数与尺寸数据参数的映射关系；
第三步，个性化模型生成：输入用户7个关键的尺寸数值，通过训练得到的BP神经网络生成全部26个人体尺寸数据集合；并根据步骤二得到的线性映射参数计算用户对应的人体刚性块形变参数，并对各刚性块进行拼接，得到初始模型；对生成的模型在关键围度尺寸部位表面顶点的位置进行微调，使生成的最终模型在尺寸上更加符合输入的数据，减小误差。
2.根据权利要求1所述的基于实例根据人体尺寸数据生成个性化人体模型的方法，其特征在于，步骤1中所述的26个尺寸分别为：身高、颈围、肩围、胸围、腰围、髋围、手臂长、肩宽、肩高、胸宽、胸高、腰宽、腰高、髋宽、髋高、上臂长、前臂长、肘围、手腕围、腿长、大腿围、膝盖围、脚腕围、大腿长度、小腿长度、头围；人体模型的16个刚性区域分别为：头部、肩-胸部、腰-腹部、下腹部、左上臂、右上臂、左前臂、右前臂、左手、右手、左大腿、右大腿、左小腿、右小腿、左脚、右脚。
3.根据权利要求1所述的基于实例根据人体尺寸数据生成个性化人体模型的方法，其特征在于，步骤一中对人体尺寸之间的线性相关关系进行统计分析，选取强线性相关的尺寸对作为输入输出对，采用线性回归的方法获得输入尺寸与输出尺寸的线性关系，在选取输入尺寸的同时，要注意选取容易测量的尺寸，并且保证输入尺寸之间的线性关系相对较弱。在获得与输入尺寸有着强线性关系的尺寸后，通过BP神经网络建立7个关键输入尺寸与其余非强线性关系尺寸的映射关系。因此关键的7个尺寸分别为：身高、颈围、肩围、胸围、腰围、髋围、手臂长；19个次要尺寸分别为：肩宽、肩高、胸宽、胸高、腰宽、腰高、髋宽、髋高、上臂长、前臂长、肘围、手腕围、腿长、大腿围、膝盖围、脚腕围、大腿长度、小腿长度、头围。
4.根据权利要求1所述的基于实例根据人体尺寸数据生成个性化人体模型的方法，其特征在于，步骤二中，确定每个部位的控制尺寸参数如下：控制头部的尺寸参数包括头围、颈围；控制肩-胸部的尺寸参数包括颈围、肩围、肩宽、肩高、胸围、胸宽、胸高；控制腰-腹部的尺寸参数包括胸围、胸宽、胸高、腰围、腰宽、腰高；控制下腹部的尺寸参数包括腰围、腰宽、腰高、髋围、髋宽、髋高；控制左上臂与右上臂的尺寸参数与包括手臂长、上臂长、肘围；
控制左前臂与右前臂的尺寸参数包括手臂长、前臂长、手腕围长；控制左手与右手的尺寸参数包括手臂长、手腕围长；控制左大腿与右大腿的尺寸参数包括腿长、大腿围、膝盖围、大腿长度；控制左小腿与右小腿的尺寸参数包括腿长、膝盖围、脚腕围、小腿长度；控制左脚与右脚的尺寸参数包括腿长、脚腕围。
5.根据权利要求1所述的基于实例根据人体尺寸数据生成个性化人体模型的方法，其特征在于，步骤二中，使用一个模板模型作为参考模型，完成模型各刚性块的参数化表示：
将模板每个刚性块上的三角网格k到目标模型对应的三角网格形变，用一个3*3的仿射变换矩阵Mk衡量。接下来，将矩阵Mk改写为一个9*1的向量Vk，该部位所有三角形Vk合并为该刚性块的形变参数。
6.根据权利要求1所述的基于实例根据人体尺寸数据生成个性化人体模型的方法，其特征在于，步骤二中形变参数降维的方法为主成分分析法(Principal Component Analysis，PCA)。每一块模型部位尺寸与其降维的形变参数之间的线性映射关系在学习过程中通过最小二乘法获得，其线性映射矩阵表示为M(i)，其中i表示该矩阵为第i个刚性块的控制尺寸参数与形变参数的线性映射矩阵。
7.根据权利要求1所述的基于实例根据人体尺寸数据生成个性化人体模型的方法，其特征在于，步骤三中包括以下步骤：
输入用户7个关键的尺寸数值集合Sinput，基于输入的尺寸数据，有着很强线性关系的尺寸对可以由下面的线性公式计算：fnew＝finputβ+ε，该公式采用最小二乘法计算，在获得这些尺寸之后，我们可将所有尺寸加入Sknown集合中，然后同样采用上述的方法，计算与Sknown集合中有强线性关系的尺寸，并不断更新Sknown集合，直到所有与Sknown集合中尺寸有强线性关系的尺寸均被计算完毕；
根据7个关键尺寸，通过训练得到的BP神经网络以及线性映射关系生成除Sknown集合之外的人体尺寸数据，获得完整的26个人体尺寸数据集合；
根据26个人体测量尺寸的参数集合，根据步骤二中获得的各人体部位局部的形变参数与语义参数之间线性映射关系获得各人体刚性块的形变参数；
通过计算相邻块邻接部位三角形形变参数的平均值完成相邻块的拼接过程，从而完成整个人体模型的平滑整合，获得初始人体模型；
采用误差函数最小化的方法对生成模型在关键围度尺寸部位表面顶点位置进行微调，使所有误差的和最小化。误差函数包括长度尺寸误差项Edist、围度尺寸误差项Egirth、形变误差项Edeform。
8.根据权利要求3所述的基于实例根据人体尺寸数据生成个性化人体模型的方法，其特征在于，统计分析人体尺寸之间的线性相关关系采用的是皮尔逊相关系数(Pearson Correlation Coefficient)，公式为：
其中， 和 是第k号和第j号尺寸的平均值，n是实例模型的数量。相关系数的范围为-
1到1之间，当系数接近1或者-1时，尺寸k和尺寸j之间的线性关系较强，反之，当系数接近0时，尺寸k与尺寸j之间没有线性关系或者只有很弱的线性关系。本发明中定义强线性关系的关联系数阈值为0.9和-0.9，选取相关系数大于0.9或者小于-0.9的尺寸对，并从中选取相对容易测量的尺寸作为输入信息。
9.根据权利要求7所述的基于实例根据人体尺寸数据生成个性化人体模型的方法，其特征在于，三个误差函数分别为长度尺寸误差项Edist、围度尺寸误差项Egirth、形变误差项Edeform分别定义如下：长度尺寸误差： 其中fd是人体长度尺寸
的集合，dist( )是计算两个关键点或者关键中心点欧几里得距离的函数；围度尺寸误差：
其中fg是每个人体围度尺寸的集合，cir( )是计算第i个垂直于骨架的关键横截面凸包长度的函数；定义形变误差如下，解释身体形态空间外形态变化：
在这一项中，Δ是minit上顶点与mnew上顶点的差，这个误差项的目的是最小化变形并最小化关键点之间的相对位置变化。该误差项可以防止局部畸形以及失真情况的出现。最终的优化函数可以表示为：E＝αEdist+βEgirth+γEdeform。前两项公式中的wi是第i个尺寸的权重。初始输入的7个关键尺寸的权重较大，因为这些尺寸的精确性可以得到保证。