随着互联网技术,机器视觉技术等现代技术的飞速发展,智能监控系统在农业生产养殖中得到了推广与应用,成为了智能化养殖必不可少的一部分。生猪智能化健康养殖关系到人们的生活健康,本文将智能监控系统应用于猪舍环境,可以有助于减少人畜接触,提高养殖效率,其自动识别和报警功能还能弥补人类在工作时不能达到百分百专注的问题,形成人眼和机器视觉的优劣互补,满足当前生猪养殖的要求。为了实现这一系统,本文主要研究内容如下:首先,在现场建立群养猪视频采集系统,包括摄像头的选型,现场安装位置的选取,服务器和数据库的搭建以及视频图像的存取。然后,以猪舍监控视频图像作为数据来源完成对猪只的识别和跟踪算法的研究。识别方面,在对比了传统和深度学习两类目标检测算法之后,提出了基于改进SSD(single shot multibox detector)算法的猪只目标检测方法,改进思路在参考了DSOD(Deeply Supervised Object Detector)算法的基础上结合实际猪只目标,解决了训练集数量较少,猪只目标特征选取不明显等问题;跟踪方面,经过对背景差分法,光流法等跟踪算法的实验发现单一的跟踪方法不能满足系统的要求,因此提出了基于改进TLD(Tracking-Learning-Detection)框架的生猪视频跟踪算法,改进算法保留了原TLD框架的综合模块和P-N学习机制,通过替换原TLD算法的检测模块和跟踪模块提高算法性能。最后,在Python平台上编写相关代码,实现监控视频读取,猪只目标检测,生猪视频跟踪等功能,并在此基础上编写了用户界面,用户界面功能包含监控视频的显示,跟踪轨迹的绘制,历史数据的查询以及异常情况的报警等,工作人员通过登录用户界面使上述功能实现人机交互。本文通过实验,在绘制了猪只日常行动轨迹的基础上,对其日常的休息和活跃规律进行分析,建立了生猪日常活跃度评价表和健康状况分析表,用于自动检测猪只健康状况。本系统在发现异常情况时会通过用户界面提供报警,提醒工作人员及时查看处理,为实现养殖场全面自动化智能监控打下了基础,具有很好的应用前景。