精准畜牧业是对规模化畜牧场的群体和个体牲畜进行精准和持续监测的一个研究领域,也是目前和未来畜牧业的发展趋势。商业化养猪场中的母猪的生产能力、哺育的母性能力、以及仔猪的生存率都和养殖猪场的经济效益直接相关,而母猪的姿态和姿态转换的动作是衡量它们的健康情况、母性能力和动物福利的重要指标之一。对母猪和仔猪采用传统的人工观测存在工作强度大、实时性差、易主观等问题;而接触式传感器技术易引起母猪福利问题,即佩戴在它们身上可能会引起应激性反应,且粉尘、剐蹭、碰撞产生的噪声也会影响行为检测的准确性。计算机视觉技术是一种非侵入式的监测方式,比传感器技术对母猪伤害更小、更安全,是目前对牲畜行为进行精准监测的一个热门研究方向。本文针对自由圈栏下的母猪和仔猪的远程、非侵入式的行为监控问题,抽象出如下科学问题:1)自动准确检测母猪姿态获悉母猪的全天姿态分布、行为习性习惯和活动程度的情况;2)捕获母猪和仔猪之间的活跃关联和行为联系;3)解析未剪辑长时间视频的若干的姿态转换动作片段,获悉和推测母性能力的优劣,更深一层了解母猪姿态转换过程的动物行为机理。针对这几个科学问题,本研究从母猪的实际生产养殖应用出发,用Microsoft Kinect所采集的RGB-D为数据源,采用计算机视觉技术为基础,以深度学习理论为技术背景和卷积神经网络为网络框架,研究了母猪的帧级姿态检测、母猪仔猪行为联系、视频长段的时空动作检测这几个工作。具体包含如下三个方面的研究内容:（1）设计了一个基于深度学习的Faster R-CNN框架的姿态检测器,对于开放式自由围栏中母猪的站、坐、俯卧、腹卧和侧卧这五种姿态进行检测,提供了一种获取母猪姿态的研究模型和方法,并为后续动作检测提供了研究基础。本系统利用的深度图像作为数据源进行姿态检测,对光线变化的环境具有强抗干扰能力,能用在夜间和产房热灯环境下,对母猪进行24小时自动监测,可获得它们的全天姿态分布、习性习惯、运动情况和姿态变化等。对母猪五种姿态的分类性能达到93.6%的Accuracy和87.1%的m AP。从检测的速度性能上看,姿态检测器每秒可检测约5帧,基本能满足畜牧养殖实时的应用需求。（2）提供并实现了可为母猪和仔猪行为联系研究的一种可行的简洁方法,能对大规模饲养环境下的母性行为和母子行为关系有更深入的分析和理解。试验选出的9个时间段,共计540次观察扫描。每次扫描采样期间,对母猪姿态进行Faster R-CNN检测,并通过光流场图像估算母猪的运动指数,同时也对光流场图像获取仔猪运动特征,利用线性回归模型对仔猪运动指数进行估计。最后将系统自动获得的母猪运动情况和经回归预测的仔猪运动指数,两者进行关联分析。结果表明本系统能捕获到母猪和仔猪的运动关系,在母猪处于侧卧姿态时,仔猪的运动指数下降到很低,而母猪处于站立和行走时,仔猪的活跃程度大大增强,而捕获的这些行为结果和动物行为学研究的观点相一致。（3）提出了母猪姿态转换动作检测的方法,它采用帧级姿态检测、时域动作定位和时空动作tube生成的新思路,实现母猪姿态转换动作的时空检测,适用于大规模饲养环境下的母猪母性行为能力的自动获取和分析。对采集后的未剪辑的长时间深度视频段,首先采用改进的Faster R-CNN的姿态检测器做深度视频的帧级姿态检测,再用由粗到精的时域动作定位解析出姿态转换的动作视频片段,解析出的动作片段一般1～2分钟以内,并用动作管道优化方法获得动作定位片段内的时空动作管道。本方法最终可获得视频级感兴趣的姿态转换动作段和时空动作管道,通过对两栏母猪两天的姿态转换动作检测的结果对比,能获得母性能力更好的母猪的动作信息。本文的创新点包含如下几个方面:a)创新地提出并实现对深度图像采用深度学习检测器完成母猪的姿态检测;b)创新地提出并实现能自动对母猪和仔猪行为联系的一个捕获和分析方法;c)创新地提出并实现在视频层面上对母猪姿态转换动作检测的研究方法。