Machine learning 隐马尔可夫模型表示法

我有一些机器学习的背景，我还刚刚完成了一个使用支持向量机的人脸识别练习。我正在尝试将这个练习转换为HMM，但是我在理解符号和如何使用它方面遇到了问题（我正在使用Kevin Murphy的HMM包）

我得到了6个不同的人（编号1-6）的50幅灰度图像。每个图像是10像素乘10像素的图像，每个像素的值可以在0-255（8位灰度）之间。目标是，我将能够将一个新图像分类到6张脸中的一张

我的方法是把每个图像做成一个长度为100个元素的长向量，每个元素都是一个像素值。现在，我要说的是令人困惑的部分。我使用的符号如下：

N：观察符号的数量-我知道隐藏状态是人的脸（即1-6），因此，有6个隐藏状态，因此N=6

T：观察序列的长度——是否等于50？我不知道这代表什么

M：观察符号的数量——是否等于100？“观察符号”一词是否指代表观察的向量中的元素数量

O：观察数量——这代表什么？在每一个例子中，他们使用一个二进制观测值，并将其设为2（即开或关）。我的情况会是什么

---

非常感谢您的帮助

我认为这更适合stats.SE。