在现代奶牛养殖业中,奶牛跛行的自动检测与识别,对于提高奶牛福利化养殖具有重要意义。视频监控技术作为计算机视觉的一个重要分支,在行为识别与分析领域得到了广泛的应用,这为奶牛跛行行为检测提供了新的方法。准确地提取出运动目标是基于视频技术进行行为识别的基础。为了实现视频图像中奶牛目标的准确提取与跛行识别,本研究提出一种奶牛目标检测与跛行识别的方法,主要研究内容如下:（1）为了提高奶牛目标检测精度,针对奶牛目标检测中存在复杂背景环境干扰的问题,提出了一种基于改进的Vi Be算法目标检测方法。首先,针对原Vi Be算法采用第一帧图像作为初始化的背景模型,造成检测目标有重影干扰的问题,提出了动态初始化背景模型的方法,有效的消除了重影区域;其次,针对目标图像存在噪声干扰和目标检测不完整的问题,本文在原Vi Be算法中引入了中值滤波和形态学处理的方法进行了处理,结果表明:与原始Vi Be相比,改进后的方法使平均检测率提高了21.07%,平均虚警率降低了3.02%,能够满足在复杂背景环境条件下对奶牛目标检测的要求。（2）为实现养殖场环境下奶牛个体行走速度的实时非接触测量,提出了基于视频图像的奶牛行走速度计算方法,实现了奶牛个体行走速度的计算。通过对不同跛行程度的奶牛行走速度分析可知,跛行程度与行走速度显著性相关（p<0.05）,表明行走速度可以作为识别奶牛跛行的指标。（3）针对奶牛跛行检测识别率低、自动化程度不高的问题,提出了以奶牛自由行走速度为特征进行跛行检测的方法,构建了基于支持向量机的奶牛跛行检测模型,通过跛行分类试验结果表明,该检测模型的平均跛行识别率达到95.37%,因此,奶牛的行走速度可以用于跛行行为检测。