生猪集约化养殖的管理和生产发展越来越需要现代信息科技手段的支持。猪只运动量数据可表征猪只日常行为、活跃度、健康状态等,对猪只运动量的检测成为业界研究的热点。前期的很多研究采用RFID和传感器对猪只运动量进行提取,如步行的角度运动量、三轴加速度传感器提取到的活动时候的加速度等,并用这些运动量对猪只喝水、采食、排泄、病变、打架等行为进行分析,上述技术需要在猪只身上佩戴设备,可能会引起动物的应激反应,具有价格较高、不便应用等缺点。视频图像处理技术近年来在人体运动跟踪方面得到了广泛的应用,在动物行为识别上做了一些有意义的探索。然而,视频处理技术对猪只运动检测面临着多目标猪只个体标识与黏连遮挡跟踪等困难,导致视频技术难以长时间持续跟踪和检测猪只运动信息,因而目前公开文献中极少有采用视频技术检测动物运动量的应用成果。为了在猪只运动检测中引入视频技术,本文探索了一种基于视频追踪的猪只运动量检测方法。算法主要包括以下5部分:(1)对自然条件下录制的猪场现场视频进行基于动态选择颜色通道的猪只目标识别以检测自然环境下的猪只;(2)利用基于连通区域进行环境噪声消除和进行基于边缘检测的粘连与遮挡分割处理以识别猪只个体;(3)然后再利用椭圆拟合对猪只个体进行定位;(4)利用基于最短距离匹配法和基于规则集约束的关联匹配的多猪只进行个体跟踪;(5)对猪只进行运动参量提取。为了提高猪只跟踪精度,本文提出了改进的出错应对、重寻回与重派号机制以应对目标跟踪中多种由于粘连和遮挡等导致的目标丢失与目标丢失后的寻回问题。然后,本文以猪只运动量为量化指标,开展了猪只运动分类、活动规律、不同饲养密度下的活跃度等猪只运动分析探索。最后,本文对自然条件下的猪场采集的2015年11月15日开始至2016年8月15日时间跨度为9个月的1318段视频(每段时长约20-80分钟,总时长达1075小时)进行了试验分析。在检测跟踪算法正确率高达100%(轻度粘连)和87.32%(重点粘连和遮挡)的前提下,对猪只运动量进行了提取及进行了分析应用试验。得到如下试验结果:(1)基于SVM的猪只基础行为分类,对88段视频猪只走,睡,静的分类正确率为79.9%;(2)猪只日常行为规律探索,发现猪只一天中活跃时段集中在10:30至11:30、12:00至12:30和下午15:00-16:30这几个时间段,天气对猪只日常运动量有影响,雨天和阴天的运动量比晴天少;(3)猪只个体间的行为差异与不同饲养密度下的活跃度分析,发现圈养猪只的运动量会受不同饲养密度的影响,饲养密度为5的猪只运动量在活跃时段比饲养密度为10和饲养密度为6.67的运动量波动程度更大,饲养密度为5的猪只个体间的运动量差异也更大。这些实验表明,本文算法能够有效检测和跟踪自然条件下的圈养猪只,所提取的运动量信息能够有效表征猪只日常活动规律。