随着养猪规模化和集约化程度的不断提高,因疫病频繁所导致肉质下降已成为限制我国养猪业发展的瓶颈因素。通常,对猪病症采用人工观察,首先由于养猪场环境差,饲养员长时间在猪舍观察将严重影响健康；其次人工观察费时费力效率低,所以在养猪场内部利用机器视觉代替人工观察是未来养殖业发展的一个趋势。因此,作者提出了融合特征和图像方法,使用椭圆进行符号化姿态识别的思想解决多姿态识别这一实际应用中亟待解决的难题。　　 本文根据猪体轮廓所具有的椭圆特性提出简单、易行的姿态识别方法,以区分猪的不同姿态。首先采用背景差分法对猪圈内的目标猪进行边缘检测,利用形态学方法对结果进行预处理,去除轮廓中的噪声,然后利用猪体轮廓上的点进行椭圆拟合,根据头颈部、躯体和四肢在自建坐标系中分布特征,来确定猪的姿态,最后基于支持向量机对不同的姿态分成正常站立,低头站立和躺卧三类。采用该方法对自建的猪体姿态库进行测试,结果验证了上述方法的有效性。对非刚体的猪轮廓进行拟合过程中,提出一种改进的基于最小二乘法的随机椭圆检测算法。原算法结合了最小二乘法和随机Hough变换的优点,实现了基于随机Hough变换并利用最小二乘法进行椭圆拟合。该算法不仅在运算过程中无需要占用大量的存储空间,另外对噪声不敏感,能够快速检测多个椭圆。原算法针对非刚性的猪轮廓来拟合过程仍有部分缺陷,因此对其进行改进。对原算法改进之后,拟合算法在检测的速度、稳定性和准确率上都有很大的提高,同时保留了原算法抗噪声的能力,改善了算法对参数的依赖性；与常用的一些算法比较实验表明,本改进算法准确性高,适用范围广。基于椭圆检测的姿态识别方法为无接触全天候进行监测,了解生猪的生活和健康状态,及时调整饲料,发现异常猪,为减少饲养成本研究提供一个新的思路。在对方法验证过程中,不同的种类,不同的养猪环境,不同的姿态均有不错的鲁棒性,但差异比较小的姿态行为以及在环境十分差的情况下,有误检甚至识别不出的情况,这还需要继续研究。