With the development of the Internet and transportation, online shopping has increased rapidly. However, the customer experience has not been satisfactory because they often experience mismatches when choosing the correct size online, especially for footwear. In general, shoe size selection is usually based on shoe fitting, which involves foot dimensions or past customer experience. While structure- or laser-based scanners are the current gold standard for 3D modeling and measurement, their high cost and size limitations constraint their use in the customer’s home. The primary goal of this research is to design and validate a novel 3D foot scanning and shoe size recommendation, utilizing a low-cost, portable Kinect device for practical use in home applications.
The scanning accuracy of the Kinect based prototype foot scanner was investigated in two steps. Static objects, including a standard cylinder and mannequin foot were used for testing in the first step. The accuracy was estimated by comparing the Kinect scans in the form of point clouds with those obtained with a high-resolution structure light-based scanner (as golden reference). The experiment resulted in deviations of 0.99±0.70mm and 0.97±0.86mm, for the cylinder and mannequin foot, respectively. Real human feet were tested in the second step, and the experimental results showed that the average deviation was 1.14±0.85mm, and the absolute error of 95% points was within 3.25mm. Therefore, a low-cost, portable Kinect device can be used to obtain 3D foot scans for different design and anthropometric applications.
Simulated measurements (SM) were developed in this study, including alignment of 3d canned food model and foot measurement extraction algorithms. To further validate the developed method, comparing the SM extracted from the ideal foot models (complete foot models scanned from a golden reference scanner and a commercial platform) with manual measurements (MM as golden reference). Paired t-test results showed foot width, short heel girth, mid-foot height and ankle girth dimensions significantly different between the SM and MM methods. However, intraclass correlation coefficient (ICC) results for all dimensions showed good to excellent consistency（ICCs>0.85）and the mean absolute percentage error (MAPE) within 2% except for girth dimensions. To further validate the Kinect sensor as a device for measuring foot dimensions, this study evaluated the SM performance on the Kinect scanned foot model. For the SM extraction performance on the Kinect, foot length (ICC=0.92) and short heel girth (ICC=0.85) dimensions demonstrated acceptable agreement with reference measurements (MM) and their MAPE, all within 2%.
A fitting shoe experiment was conducted to check the feasibility of using a low-cost portable Kinect as a shoe size recommendation device. A linear regression-based shoe size recommendation using Kinect extracted measurements was built and validated. The experimental results showed that the Kinect-based linear regression shoe size recommendation model could reach the exact shoe size accuracy of 50.00%. The accuracy rate for within one size difference was 86.36%. This level of accuracy could help the customer narrow the range of the optimal shoe sizes for online shopping.
This study firstly validated the single Kinect-based shoe size recommendation and thoroughly validated the Kinect scanning accuracy. In addition, the Kinect-based foot dimension extraction algorithm was developed and verified in this study. The findings from this study indicated that a low-cost, portable Kinect scanning device could provide an alternative option for foot scanning and shoe size recommendation.
인터넷과 배송 기술의 발달로 온라인 쇼핑몰은 급격히 성장했다. 그러나 신발을 비롯한 제품이 온라인 쇼핑몰에서 판매될 때 소비자 경험은 사이즈 불일치의 이유로 저해되어 왔다. 일반적으로 신발 사이즈의 결정은 소비자의 발 크기와 이전의 경험으로 결정된다. 구조 혹은 레이저 기반의 스캐너가 현재의 3D 모델링과 측정의 표준으로 사용되고 있지만 높은 비용과 부피를 이유로 소비자의 가정에서 사용되기에는 한계가 있다. 본 연구는 가정에서 활용할 수 있는 저비용의 휴대 가능한 Kinect 기반의 새로운 3D 발 스캐닝 기술과 신발 치수 추천 시스템의 설계와 평가를 목표한다.
Kinect 기반의 발 스캐너 프로토타입의 정확도 평가는 두 단계로 수행되었다. 우선, Kinect 스캐너와 높은 해상도의 광원 기반 고성능 3D 스캐너의 포인트 클라우드 데이터의 정확도 비교 실험을 정적인 사물(원기둥 모형과 발 마네킹)을 대상으로 수행하였다. 실험 결과는 원기둥 모형에 대하여 0.99±0.70mm의 오차를, 발 마네킹에 대하여 0.97±0.86mm 오차를 보였다. 두 번째 단계로, 실제 사람의 발을 대상으로 같은 방식의 실험 결과에서는 평균 1.14±0.85mm의 오차를 보였으며, 절대오차의 95% 범위는 3.25mm 이내로 평가되었다. 따라서 저비용의 휴대 가능한 Kinect 기기는 3D 발 스캐너로 디자인과 인체측정학 응용 분야에 적용 가능함을 확인하였다.
본 연구는 3D 스캐너로 생성한 발 모델을 정렬하고 주요 발 수치를 계산하는 알고리즘 (모의 측정법, simulated measurements, SM)을 개발했다. SM의 평가를 위하여, 고성능 3D 스캐너로 측정한 발 모델의 수치를 SM 으로 계산하여 수동측정 (manual measurements, MM)과 비교하였다. 쌍체 t-검정 결과 SM 과 MM 간에 발 폭, 짧은 뒤꿈치 둘레, 중앙 발 높이, 발목 둘레의 치수가 통계적으로 유의하게 차이가 보였다. 그러나 상관급내계수 (interclass correlation coefficient, ICC) 결과 모든 측정치가 좋은 일치도를 보였으며 (ICCs>0.85), 둘레 치수는 평균절대비율오차(mean absolute percentage error, MAPE) 가 2% 이내의 결과를 보였다. 더 나아가, Kinect를 발 치수 계산을 위한 기기로 사용 가능함을 검증하기 위해, 본 연구는 Kinect로 측정한 발 모델의 수치를 SM 으로 계산하여 MM 과 비교하였다. Kinect 데이터로 계산한 SM 수치는 MM 과 비교하여 높은 발 길이 (ICC = 0.92) 와 짧은 뒤꿈치 둘레 (ICC=0.85)에 대하여 높은 상관관계와 2% 이내의 MAPE의 좋은 일치도를 보였다.
Kinect 기반의 신발 사이즈 추천 시스템의 평가를 위해 신발 착용 실험을 수행하였다. 신발 사이즈 추천 시스템은 Kinect로 추출한 발 치수와 신발 크기의 선형회귀 모형 기반으로 만들어졌으며 평가되었다. 실험 결과 Kinect 기반의 선형회귀 신발 추천 모형은 정확한 신발 사이즈를 도출할 확률이 50%를 보였다. 한 사이즈 이내의 신발 크기를 도출할 확률은 86.36%를 보였다. 이 정확도는 소비자가 온라인 쇼핑에서 신발 사이즈 결정의 선택지를 좁히는 데 도움이 될 수 있다.
본 연구는 최초의 Kinect 기반의 신발 크기 추천 알고리즘과 단일 Kinect 기반의 발 치수 측정 방법을 검증하였다. 추가로 Kinect 기반의 발 치수 계산 알고리즘을 개발하고 실험을 통해 검증하였다. 본 연구의 발견은 저비용의 휴대 가능한 Kinect 기기를 이용한 스캐너가 전통적인 발 치수 측정기와 신발 치수 추천 방법의 대안이 될 수 있음을 제시한다.
