随着生活水平的提高,人们对饮食结构与健康更加关注。乳制品作为补充蛋白的物美价廉方案,其需求量急速上涨,规模化奶牛养殖业因此而迅速兴起并逐渐扩展。在规模化奶牛养殖中引入现代化技术使其朝着标准化、智能化、精细化健康养殖与管理的方向发展,是实现奶牛养殖业稳步持续发展的大势所趋。现阶段,我国奶牛养殖的智能精细化管理水平尚处于摸索阶段,因此开展相关养殖关键技术的研究尤为必要。其中,智能化奶牛个体识别技术是核心研究内容之一,准确识别奶牛个体并对其跟踪管理是提高奶牛养殖效率的重要手段。针对我国规模化奶牛养殖精细饲养水平低,智能化、标准化程度不高等现象,本文以奶牛头部图像为研究对象,基于图像识别算法中特征袋(BOF)模型,开展奶牛个体识别技术的研究。针对该模型中存在的系列不足,本文着重对其识别精度和计算性能进行改进,主要研究成果如下:(1)为SVM分类器选取直方图交叉核函数,并通过实验对比发现该核函数相比常用高斯核函数可提高算法识别精度;又进一步通过实验研究发现,在BOF模型中引入空间金字塔匹配(SPM)原理可进一步提高算法识别精度。(2)引入31维优化方向梯度直方图(HOG)特征作为图像特征描述符,以在保证识别精度的前提下进一步提高计算性能。此外,实验结果表明优化HOG特征相比传统HOG特征作为图像描述符既提高识别精度,又提高计算性能。(3)用灰度对数变换对奶牛头部图像作增强处理,以改善图像视觉效果,增加图像对比度,尤其是增强较暗区域图像的细节信息,进而进一步提高识别精度和改善计算性能。实验数据集为牛场中无约束场景下拍摄获取的奶牛头部图像,识别精度用分类正确率衡量,计算性能用算法运行时间衡量。