用矩阵（NxN）观察创建离散隐马尔可夫模型？

Question

在我所见过的所有离散HMM中，观测数据由整数流组成。然而，如果观察结果实际上是离散特征向量会发生什么？例如，如果我试图使用HMM来学习视频帧的灰度强度值的手势识别，该怎么办？也就是说，每个观察都是用一个n×n矩阵描述的，而不是一个单一的值？我如何去做这件事？

谢谢！

Answer 1

您可以使用离散Multinomial distribution作为HMM的发射分量。例如，每个状态都会发出一个长度为n*n的整数数组，其值介于0到255之间，表示像素强度（灰度）。

当然，如果值是连续的（浮点数），只需使用多元正态分布。

Answer 2

根据您要使用的库，ObservationVectors可能效果不错。您可以将矩阵平坦化为一个n 2维矢量，并用验证的数据训练模型。然后，您就可以从矢量观察序列中检测到任何手势。