实例介绍
【实例简介】
基于matlab实现的对人体或者动物的分割方法，是做人体模型或者人体姿态方面的很重要的资料呀。
【实例截图】
【核心代码】
文件清单
└── demo_people
├── baseballDo.m
├── buildLimbModelLin.m
├── buildLimbModelQuad.m
├── findGeneralPerson.m
├── findModePose.m
├── findWalkingPerson.m
├── GPL
├── ims
│ ├── 00000001.jpg
│ ├── 00000002.jpg
│ ├── 00000003.jpg
│ ├── 00000004.jpg
│ ├── 00000005.jpg
│ ├── 00000006.jpg
│ ├── 00000007.jpg
│ ├── 00000008.jpg
│ ├── 00000009.jpg
│ ├── 00000010.jpg
│ ├── 00000011.jpg
│ ├── 00000012.jpg
│ ├── 00000013.jpg
│ ├── 00000014.jpg
│ ├── 00000015.jpg
│ ├── 00000016.jpg
│ ├── 00000017.jpg
│ ├── 00000018.jpg
│ ├── 00000019.jpg
│ ├── 00000020.jpg
│ ├── 00000021.jpg
│ ├── 00000022.jpg
│ ├── 00000023.jpg
│ ├── 00000024.jpg
│ ├── 00000025.jpg
│ ├── 00000026.jpg
│ ├── 00000027.jpg
│ ├── 00000028.jpg
│ ├── 00000029.jpg
│ ├── 00000030.jpg
│ ├── 00000031.jpg
│ ├── 00000032.jpg
│ ├── 00000033.jpg
│ ├── 00000034.jpg
│ ├── 00000035.jpg
│ ├── 00000036.jpg
│ ├── 00000037.jpg
│ ├── 00000038.jpg
│ ├── 00000039.jpg
│ ├── 00000040.jpg
│ ├── 00000041.jpg
│ ├── 00000042.jpg
│ ├── 00000043.jpg
│ ├── 00000044.jpg
│ ├── 00000045.jpg
│ ├── 00000046.jpg
│ ├── 00000047.jpg
│ ├── 00000048.jpg
│ ├── 00000049.jpg
│ ├── 00000050.jpg
│ ├── 00000051.jpg
│ ├── 00000052.jpg
│ ├── 00000053.jpg
│ ├── 00000054.jpg
│ ├── 00000055.jpg
│ ├── 00000056.jpg
│ ├── 00000057.jpg
│ ├── 00000058.jpg
│ ├── 00000059.jpg
│ ├── 00000060.jpg
│ ├── 00000061.jpg
│ ├── 00000062.jpg
│ ├── 00000063.jpg
│ ├── 00000064.jpg
│ ├── 00000065.jpg
│ ├── 00000066.jpg
│ ├── 00000067.jpg
│ ├── 00000068.jpg
│ ├── 00000069.jpg
│ ├── 00000070.jpg
│ ├── 00000071.jpg
│ ├── 00000072.jpg
│ ├── 00000073.jpg
│ ├── 00000074.jpg
│ ├── 00000075.jpg
│ ├── 00000076.jpg
│ ├── 00000077.jpg
│ ├── 00000078.jpg
│ ├── 00000079.jpg
│ ├── 00000080.jpg
│ ├── 00000081.jpg
│ ├── 00000082.jpg
│ ├── 00000083.jpg
│ ├── 00000084.jpg
│ ├── 00000085.jpg
│ ├── 00000086.jpg
│ ├── 00000087.jpg
│ ├── 00000088.jpg
│ ├── 00000089.jpg
│ ├── 00000090.jpg
│ ├── 00000091.jpg
│ ├── 00000092.jpg
│ ├── 00000093.jpg
│ ├── 00000094.jpg
│ ├── 00000095.jpg
│ ├── 00000096.jpg
│ ├── 00000097.jpg
│ ├── 00000098.jpg
│ ├── 00000099.jpg
│ ├── 00000100.jpg
│ ├── 00000101.jpg
│ ├── 00000102.jpg
│ ├── 00000103.jpg
│ ├── 00000104.jpg
│ ├── 00000105.jpg
│ ├── 00000106.jpg
│ ├── 00000107.jpg
│ ├── 00000108.jpg
│ ├── 00000109.jpg
│ ├── 00000110.jpg
│ ├── 00000111.jpg
│ ├── 00000112.jpg
│ ├── 00000113.jpg
│ ├── 00000114.jpg
│ ├── 00000115.jpg
│ ├── 00000116.jpg
│ ├── 00000117.jpg
│ ├── 00000118.jpg
│ ├── 00000119.jpg
│ ├── 00000120.jpg
│ ├── 00000121.jpg
│ ├── 00000122.jpg
│ ├── 00000123.jpg
│ ├── 00000124.jpg
│ ├── 00000125.jpg
│ ├── 00000126.jpg
│ ├── 00000127.jpg
│ ├── 00000128.jpg
│ ├── 00000129.jpg
│ ├── 00000130.jpg
│ ├── 00000131.jpg
│ ├── 00000132.jpg
│ ├── 00000133.jpg
│ ├── 00000134.jpg
│ ├── 00000135.jpg
│ ├── 00000136.jpg
│ ├── 00000137.jpg
│ ├── 00000138.jpg
│ ├── 00000139.jpg
│ ├── 00000140.jpg
│ ├── 00000141.jpg
│ ├── 00000142.jpg
│ ├── 00000143.jpg
│ ├── 00000144.jpg
│ ├── 00000145.jpg
│ ├── 00000146.jpg
│ ├── 00000147.jpg
│ ├── 00000148.jpg
│ ├── 00000149.jpg
│ ├── 00000150.jpg
│ ├── 00000151.jpg
│ ├── 00000152.jpg
│ ├── 00000153.jpg
│ ├── 00000154.jpg
│ ├── 00000155.jpg
│ ├── 00000156.jpg
│ ├── 00000157.jpg
│ ├── 00000158.jpg
│ ├── 00000159.jpg
│ ├── 00000160.jpg
│ ├── 00000161.jpg
│ ├── 00000162.jpg
│ ├── 00000163.jpg
│ ├── 00000164.jpg
│ ├── 00000165.jpg
│ ├── 00000166.jpg
│ ├── 00000167.jpg
│ ├── 00000168.jpg
│ ├── 00000169.jpg
│ ├── 00000170.jpg
│ ├── 00000171.jpg
│ ├── 00000172.jpg
│ ├── 00000173.jpg
│ ├── 00000174.jpg
│ ├── 00000175.jpg
│ ├── 00000176.jpg
│ ├── 00000177.jpg
│ ├── 00000178.jpg
│ ├── 00000179.jpg
│ ├── 00000180.jpg
│ ├── 00000181.jpg
│ ├── 00000182.jpg
│ ├── 00000183.jpg
│ ├── 00000184.jpg
│ ├── 00000185.jpg
│ ├── 00000186.jpg
│ ├── 00000187.jpg
│ ├── 00000188.jpg
│ ├── 00000189.jpg
│ ├── 00000190.jpg
│ ├── 00000191.jpg
│ ├── 00000192.jpg
│ ├── 00000193.jpg
│ ├── 00000194.jpg
│ ├── 00000195.jpg
│ ├── 00000196.jpg
│ ├── 00000197.jpg
│ ├── 00000198.jpg
│ ├── 00000199.jpg
│ ├── 00000200.jpg
│ └── 00000201.jpg
├── README
├── sample_run_full_person.m
├── sample_torso_arm_legc.m
├── sample_torso_arm_leg.m
├── torso_templates.mat
├── util
│ ├── appendSegs.m
│ ├── assert.m
│ ├── dat2polyc.m
│ ├── getHistsFast.m
│ ├── isInsideRect.m
│ ├── isum.m
│ ├── logist2.m
│ ├── makeNormal.m
│ ├── meanshiftInit.m
│ ├── mydetGMc.m
│ ├── nonmax.m
│ ├── normVec.m
│ ├── oeFilterc.m
│ ├── pt2seg.m
│ ├── relAllPos.m
│ ├── sampleWithR.m
│ ├── searchChamferIm.m
│ ├── searchDistIm.m
│ ├── searchImCostCircleRandc.m
│ ├── searchImCostTRandc.m
│ ├── searchImCostTRandEndc.m
│ ├── self_distance.m
│ ├── showModelIm.m
│ ├── showModelPts.m
│ ├── showPersonPts.m
│ ├── showsegIm.m
│ ├── sq_distance.m
│ ├── sq_wt_distance.m
│ └── subSegs.m
└── walkingDetections.mat
3 directories, 243 files
基于matlab实现的对人体或者动物的分割方法，是做人体模型或者人体姿态方面的很重要的资料呀。
【实例截图】
【核心代码】
文件清单
└── demo_people
├── baseballDo.m
├── buildLimbModelLin.m
├── buildLimbModelQuad.m
├── findGeneralPerson.m
├── findModePose.m
├── findWalkingPerson.m
├── GPL
├── ims
│ ├── 00000001.jpg
│ ├── 00000002.jpg
│ ├── 00000003.jpg
│ ├── 00000004.jpg
│ ├── 00000005.jpg
│ ├── 00000006.jpg
│ ├── 00000007.jpg
│ ├── 00000008.jpg
│ ├── 00000009.jpg
│ ├── 00000010.jpg
│ ├── 00000011.jpg
│ ├── 00000012.jpg
│ ├── 00000013.jpg
│ ├── 00000014.jpg
│ ├── 00000015.jpg
│ ├── 00000016.jpg
│ ├── 00000017.jpg
│ ├── 00000018.jpg
│ ├── 00000019.jpg
│ ├── 00000020.jpg
│ ├── 00000021.jpg
│ ├── 00000022.jpg
│ ├── 00000023.jpg
│ ├── 00000024.jpg
│ ├── 00000025.jpg
│ ├── 00000026.jpg
│ ├── 00000027.jpg
│ ├── 00000028.jpg
│ ├── 00000029.jpg
│ ├── 00000030.jpg
│ ├── 00000031.jpg
│ ├── 00000032.jpg
│ ├── 00000033.jpg
│ ├── 00000034.jpg
│ ├── 00000035.jpg
│ ├── 00000036.jpg
│ ├── 00000037.jpg
│ ├── 00000038.jpg
│ ├── 00000039.jpg
│ ├── 00000040.jpg
│ ├── 00000041.jpg
│ ├── 00000042.jpg
│ ├── 00000043.jpg
│ ├── 00000044.jpg
│ ├── 00000045.jpg
│ ├── 00000046.jpg
│ ├── 00000047.jpg
│ ├── 00000048.jpg
│ ├── 00000049.jpg
│ ├── 00000050.jpg
│ ├── 00000051.jpg
│ ├── 00000052.jpg
│ ├── 00000053.jpg
│ ├── 00000054.jpg
│ ├── 00000055.jpg
│ ├── 00000056.jpg
│ ├── 00000057.jpg
│ ├── 00000058.jpg
│ ├── 00000059.jpg
│ ├── 00000060.jpg
│ ├── 00000061.jpg
│ ├── 00000062.jpg
│ ├── 00000063.jpg
│ ├── 00000064.jpg
│ ├── 00000065.jpg
│ ├── 00000066.jpg
│ ├── 00000067.jpg
│ ├── 00000068.jpg
│ ├── 00000069.jpg
│ ├── 00000070.jpg
│ ├── 00000071.jpg
│ ├── 00000072.jpg
│ ├── 00000073.jpg
│ ├── 00000074.jpg
│ ├── 00000075.jpg
│ ├── 00000076.jpg
│ ├── 00000077.jpg
│ ├── 00000078.jpg
│ ├── 00000079.jpg
│ ├── 00000080.jpg
│ ├── 00000081.jpg
│ ├── 00000082.jpg
│ ├── 00000083.jpg
│ ├── 00000084.jpg
│ ├── 00000085.jpg
│ ├── 00000086.jpg
│ ├── 00000087.jpg
│ ├── 00000088.jpg
│ ├── 00000089.jpg
│ ├── 00000090.jpg
│ ├── 00000091.jpg
│ ├── 00000092.jpg
│ ├── 00000093.jpg
│ ├── 00000094.jpg
│ ├── 00000095.jpg
│ ├── 00000096.jpg
│ ├── 00000097.jpg
│ ├── 00000098.jpg
│ ├── 00000099.jpg
│ ├── 00000100.jpg
│ ├── 00000101.jpg
│ ├── 00000102.jpg
│ ├── 00000103.jpg
│ ├── 00000104.jpg
│ ├── 00000105.jpg
│ ├── 00000106.jpg
│ ├── 00000107.jpg
│ ├── 00000108.jpg
│ ├── 00000109.jpg
│ ├── 00000110.jpg
│ ├── 00000111.jpg
│ ├── 00000112.jpg
│ ├── 00000113.jpg
│ ├── 00000114.jpg
│ ├── 00000115.jpg
│ ├── 00000116.jpg
│ ├── 00000117.jpg
│ ├── 00000118.jpg
│ ├── 00000119.jpg
│ ├── 00000120.jpg
│ ├── 00000121.jpg
│ ├── 00000122.jpg
│ ├── 00000123.jpg
│ ├── 00000124.jpg
│ ├── 00000125.jpg
│ ├── 00000126.jpg
│ ├── 00000127.jpg
│ ├── 00000128.jpg
│ ├── 00000129.jpg
│ ├── 00000130.jpg
│ ├── 00000131.jpg
│ ├── 00000132.jpg
│ ├── 00000133.jpg
│ ├── 00000134.jpg
│ ├── 00000135.jpg
│ ├── 00000136.jpg
│ ├── 00000137.jpg
│ ├── 00000138.jpg
│ ├── 00000139.jpg
│ ├── 00000140.jpg
│ ├── 00000141.jpg
│ ├── 00000142.jpg
│ ├── 00000143.jpg
│ ├── 00000144.jpg
│ ├── 00000145.jpg
│ ├── 00000146.jpg
│ ├── 00000147.jpg
│ ├── 00000148.jpg
│ ├── 00000149.jpg
│ ├── 00000150.jpg
│ ├── 00000151.jpg
│ ├── 00000152.jpg
│ ├── 00000153.jpg
│ ├── 00000154.jpg
│ ├── 00000155.jpg
│ ├── 00000156.jpg
│ ├── 00000157.jpg
│ ├── 00000158.jpg
│ ├── 00000159.jpg
│ ├── 00000160.jpg
│ ├── 00000161.jpg
│ ├── 00000162.jpg
│ ├── 00000163.jpg
│ ├── 00000164.jpg
│ ├── 00000165.jpg
│ ├── 00000166.jpg
│ ├── 00000167.jpg
│ ├── 00000168.jpg
│ ├── 00000169.jpg
│ ├── 00000170.jpg
│ ├── 00000171.jpg
│ ├── 00000172.jpg
│ ├── 00000173.jpg
│ ├── 00000174.jpg
│ ├── 00000175.jpg
│ ├── 00000176.jpg
│ ├── 00000177.jpg
│ ├── 00000178.jpg
│ ├── 00000179.jpg
│ ├── 00000180.jpg
│ ├── 00000181.jpg
│ ├── 00000182.jpg
│ ├── 00000183.jpg
│ ├── 00000184.jpg
│ ├── 00000185.jpg
│ ├── 00000186.jpg
│ ├── 00000187.jpg
│ ├── 00000188.jpg
│ ├── 00000189.jpg
│ ├── 00000190.jpg
│ ├── 00000191.jpg
│ ├── 00000192.jpg
│ ├── 00000193.jpg
│ ├── 00000194.jpg
│ ├── 00000195.jpg
│ ├── 00000196.jpg
│ ├── 00000197.jpg
│ ├── 00000198.jpg
│ ├── 00000199.jpg
│ ├── 00000200.jpg
│ └── 00000201.jpg
├── README
├── sample_run_full_person.m
├── sample_torso_arm_legc.m
├── sample_torso_arm_leg.m
├── torso_templates.mat
├── util
│ ├── appendSegs.m
│ ├── assert.m
│ ├── dat2polyc.m
│ ├── getHistsFast.m
│ ├── isInsideRect.m
│ ├── isum.m
│ ├── logist2.m
│ ├── makeNormal.m
│ ├── meanshiftInit.m
│ ├── mydetGMc.m
│ ├── nonmax.m
│ ├── normVec.m
│ ├── oeFilterc.m
│ ├── pt2seg.m
│ ├── relAllPos.m
│ ├── sampleWithR.m
│ ├── searchChamferIm.m
│ ├── searchDistIm.m
│ ├── searchImCostCircleRandc.m
│ ├── searchImCostTRandc.m
│ ├── searchImCostTRandEndc.m
│ ├── self_distance.m
│ ├── showModelIm.m
│ ├── showModelPts.m
│ ├── showPersonPts.m
│ ├── showsegIm.m
│ ├── sq_distance.m
│ ├── sq_wt_distance.m
│ └── subSegs.m
└── walkingDetections.mat
3 directories, 243 files
标签：
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论