A framework that naturally incorpor

A framework that naturally incorporates constraints related to the relationship between the states of a system and the uncertainty in the order in which such states occur, is a Hidden Markov Model (HMM) (51-58). In this paper, we adopt HMM to model and infer a time- series of duration-variable atomic activities for each detected worker from a sequence of RGB-D images. In the following, we briefly review the components of HMM before adapting its terminology to our application.
HMMs are dynamic Bayesian networks characterized by three main probability distributions: prior probabilities, state transition probabilities, and emission probabilities [59,60). Assuming thatX = {x,, x2, *T) is a set of T states (hidden or unobserved), and 0 =
{O], o2 or) is a set of Kpossible outcomes for Tstates (also known
as emissions or observations) where the distribution of ot only depends on A',, and xt only depends on xt _ 1, we denote HMM as a 3-tuple X — {A, B, n} where J7 = {rr,} is the vector of initial state probabilities with occurrence rate of each activity, and A = {a¡j} is the state transition prob¬ability matrix that stores the probabilities of transitioning from state x¡

Results (Vietnamese) 1:

Một khuôn khổ tự nhiên kết hợp khó khăn liên quan đến mối quan hệ giữa các tiểu bang của một hệ thống và không chắc chắn trong thứ tự trong đó kỳ như vậy xảy ra, là một ẩn Markov mô hình (HMM) (51-58). Trong bài này, chúng tôi áp dụng HMM mẫu và suy ra một chuỗi thời gian hoạt động nguyên tử biến thời gian cho mỗi công nhân được phát hiện từ một chuỗi các RGB-D hình ảnh. Năm sau, chúng tôi một thời gian ngắn xem xét các thành phần của HMM trước khi điều chỉnh thuật ngữ để ứng dụng của chúng tôi.HMMs là năng động mạng Bayes được đặc trưng bởi ba phân bố xác suất chính: trước khi xác suất, nhà nước chuyển tiếp xác suất, và xác suất phát thải [59,60). Giả sử thatX = {x, x 2, * T) là một tập hợp các T kỳ (ẩn hoặc unobserved) và các 0 ={O], o2 or) là một tập hợp các kết quả Kpossible cho Tstates (còn gọilà phát thải hoặc quan sát) nơi bản phân phối của ot chỉ phụ thuộc trên A',, và xt chỉ phụ thuộc vào xt _ 1, chúng tôi biểu thị HMM là một X 3-tuple — {A, B, n} nơi J7 = {rr,} là vector xác suất ban đầu nhà nước với sự xuất hiện tỷ lệ của mỗi hoạt động, và A = {a¡j} là ma trận prob¬ability quá trình chuyển đổi tiểu bang mà các cửa hàng các xác suất của chuyển tiếp từ tiểu bang x¡