首先恭喜您建立了模型。

馬爾科夫過程(MarKov Process)是一個典型的隨機過程。設X(t)是一隨機過程，當過程在時刻t0所處的狀態為已知時，時刻t(t>t0)所處的狀態與過程在t0時刻之前的狀態無關，這個特性成為無後效性。無後效的隨機過程稱為馬爾科夫過程。馬爾科夫過程中的時同和狀態既可以是連續的，又可以是離散的。我們稱時間離散、狀態離散的馬爾科夫過程為馬爾科夫鏈。馬爾科夫鏈中，各個時刻的狀態的轉變由一個狀態轉移的機率矩陣控制。

二維隱馬爾科夫模型

例如，取樣窗是垂直方向的，自然想到是不是也可以在水平方向建立狀態這就是二維隱馬爾科夫模型，但是二維HMM的訓練和識別演算法的複雜性，使用不是很理想，嵌入式隱馬爾科夫模型由一系列超狀態組成，每個超狀態又包含若干狀態，稱為嵌入狀態，超狀態反應其中的一維資訊，嵌入狀態反映另一維的資訊，但是由於超狀態內的狀態之間沒有狀態的轉移，所以不是真正的二維。只能看作是一個簡化的二維。

人臉的超狀態模型就是剛才的從上到下的五個狀態（前面的HMM中的五個狀態），在各個超狀態之間增加水平資訊。轉移關係還是從一個超狀態到另一個超狀態。嵌入的水平狀態數為3，6，6，6，3用一個或多個分量的混合高斯密度函式表示。

觀測向量的提取，首先把人臉分為影象快。然後取影象塊的灰度值或者變換系陣列成一個觀測向量，影象快採用遍歷的方法進行取樣，就是從上到下，從左到右，來獲取影象的取樣快。2D-DCT的低頻分量。