随着畜牧业呈规模化、集约化、产业化发展,精准畜牧受到国内外高度关注。本研究针对人工监测方式耗时、耗力且主观性强的问题,研究基于计算机视觉技术的哺乳母猪行为自动识别技术,为精准畜牧提供依据,以节省劳动力并促进智能化管理。本研究在国内外成果的研究基础上,以动物行为学理论为基础,采用视频/图像信息,引入智能视频/图像分析技术与深度学习理论,研究高精度母猪图像分割技术,重点研究哺乳行为视频时空特征提取方法与检测模型,并对哺乳期母猪饮水、进食、行走、中等级运动和非运动行为的自动识别问题展开研究。论文的主要工作和创新点如下:（1）针对自由栏养殖环境下,母猪分割困难问题,提出一种基于色调信息辅助的全卷积网络（FCN）母猪图像分割模型。首先,设计了基于FCN的母猪图像分割模型。由于母猪的非刚性形变、猪舍环境的复杂性以及FCN对数据的高依赖性,本文有效利用色调信息,设计基于色调信息辅助的FCN后优化模块。该优化模块在不额外增加训练数据的情况下,联合FCN获取的类别判别概率强度信息和原始图像色调信息对类别强度较弱的像素类别进行重新预测。以选自7栏的3811幅母猪图像为训练集,训练母猪图像分割的FCN模型,并以其他21栏的1086幅图像为测试集,对本文方法进行对比测试。结果表明,本文方法的平均区域重合度为93.0%,比原始FCN提高4.2个百分点,且所提方法可避免额外增加训练数据中对母猪对象的人工标注。（2）为实现自由栏养殖环境下,基于计算机视觉技术的无接触、高精度和适应性强的母猪哺乳行为自动识别,本文提出了基于尺度自适应局部时空特征的母猪哺乳行为分类方法。首先,利用FCN分割母猪,利用其几何形状定位视频中尺度自适应的哺乳区域,从而提取母猪和仔猪群的空间关系描述特征。然后,在哺乳区域,设计了基于运动强度和占空指数的哺乳行为分类模型。对502段母猪日常行为视频片段进行了特征提取和分类试验,视频段级分类准确率为96.4%,敏感度为96.8%,特异度为96.3%。结果表明,该方法能够从母猪不同行为视频片段中识别出哺乳行为片段,为后续视频监控中的母猪哺乳行为检测奠定基础。（3）为了从未分割长视频中识别出母猪哺乳行为类别,并且精准定位哺乳行为发生的时间和时长,提出了基于时空关键块光流分布的母猪哺乳行为检测方法。首先,对视频进行基于全局光流分布和母猪几何形状的时空分割,提取时空关键块。设计了一种全局光流分布特征描述子用于时域关键帧提取,并利用猪只几何形状精细定位空域哺乳区域。接下来,针对（2）中时空特征缺乏运动模式描述这一问题,提出了一种时空关键块哺乳光流方向描述子（Oriented Nursing Flow,ONu F）。该描述子充分利用人眼关注的显著性信息,设计时空关键块中的局部光流方向描述子以表征仔猪“向上-向下-向上”吸乳或拱乳的运动模式。对2天日间未分割母猪视频进行了特征提取和试验,视频段级准确率为97.6%,敏感度为92.1%,灵敏度为98.6%。试验结果表明,ONu F充分描述了哺乳行为相较于其他行为的显著性特征,可用于视频监控中的母猪哺乳行为自动检测。（4）为了从未分割视频中自动识别母猪进食、饮水、哺乳等日常行为,提出了一种普适性的母猪交互-个体-不确定行为层级识别框架。该框架以特征提取-行为识别-结果矫正为主线,在特征提取层,基于行为目标各区域精细定位和运动分析提取目标行为的时空特征。空域中提取母猪、仔猪及相关物体的空间分布关系和外观特征,时域中提取行为目标的活动指数、运动强度等运动特征。在行为识别层设计母猪交互-个体-不确定行为的层级识别准则和分类器。在结果矫正层,基于行为的时序相关性设计投票原则的识别结果矫正模块,实现母猪饮水、进食、哺乳、行走、中等级运动和非运动行为识别,并形成一套完整、普适性强的母猪日常行为识别的层级结构框架。对3天日间未分割视频进行试验,该框架对饮水、进食和哺乳行为识别的帧级准确率分别为98.74%、93.50%和88.52%。试验结果表明,该框架可实现未分割视频中的母猪日常行为自动识别,且该框架架构可用于其他动物或人体行为识别。