"結構化概率模型"（structured probabilistic model），是一類用圖形模式表達基於概率相關關係的模型的總稱，也稱“圖模型”（graphical model）英文簡稱，PGM 

概率圖模型具有圖論和概率論兩大理論基礎，是生成模型的基礎。因此它可以很好地表現運動特徵、實體(中間語義)及行為之間的關係，可以為人體行為描述提供了一個自然結構。概率圖模型不僅能準確描述視訊中複雜概率現象的統計學本質，而且可以控制模型的計算代價，形成有效的生成演算法。

##2.用圖描述的二種重要的，結構化概率模型

結構化概率模型使用圖來表示隨機變數之間的相互作用。每一個結點就代表一個隨機變數。每一條邊就代表一個直接相互作用

@@1.有向模型

有向圖模型，也被稱為信念網路或者貝葉斯網路。

 有向（directed）模型 使用帶有有向邊的圖，它們用條件概率分佈來表示分解，有向模型對於分佈中的每個隨機變數Xi都包含著一個影響因子，這個組成Xi條件概率的影響因子被稱為Xi的父節點，記為PaG(Xi)。

                 下圖給出了一個有向圖的例子以及表示它的概率分佈分分解。

                                                                                    圖1

            圖1，關於隨機變數a、b、c、d和e的有向圖模型。這幅圖對應的概率分佈可以分解為

                                                   p(a,b,c,d,e）= p(a)p(b|a)p(c|a,b)p(d|b)p(e|c)  （2）

該圖模型使我們能夠快速看出此分佈的一些性質。例如，a和c直接相互影響，但a和e只有通過c間接相互影響。

@@2.無向模型

無向模型，馬爾科夫隨機場( Markov random fields ),也被稱為無向圖模型( undirected graphical models )。這個模型中,連結沒有箭頭,沒有方向性質。