人の歩行動画を入力として動作を推定する方法に関して

質問の分野
認識

画像を入力として歩く、走る、ジャンプする、とまるの4状態を潜在変数として推定しようとしていますが、隠れマルコフモデルの使用方法がよくわかりません。こういった適用方法は間違っていますでしょうか? どのようにしたら適用できるかわかりません。

質問