近年来,随着视频监控系统不断向数字化和智能化发展,越来越多的国内外厂商和学者已经开始关注智能监控技术的发展,并进行了一系列的研究。目前在规模养殖场中,对于病猪的前期征兆和异常行为都是依靠人工来完成,此方法检测的劳动强度大,且发现不及时。针对上述问题,本文提出一种基于轮廓不变矩特征的目标识别方法对猪的行为姿态进行分类和识别。　　 本文介绍了当前国内外在动物行为分析领域的研究现状和发展趋势,并且分析了视频监控在动物行为领域的应用情况。首先,对猪进行运动目标检测并比较背景减除法和帧间差分法的优缺点。本文采用背景减除法与帧间差分法加权平均运动目标检测方法,克服了上述两种方法中检测目标不完整和受光照等外部条件影响的缺点。再运用形态学图像处理、区域连通性分析等一系列处理方法,消除小的空洞和噪声,最后将运动目标从视频序列中提取出来。其次,提取出完整清晰的猪轮廓边缘是不变矩特征提取和行为识别的前提,本文研究了图像分割与边缘检测的经典方法,对于几种方法的优缺点进行比较和分析。图像分割采用改进的最大类间方差法,该法可避免传统的最大类间方差法法采用穷尽搜索整个直方图的灰度值来确定最优闭值的局限性,大大减少了运算量。最后对猪行为姿态的识别方法进行分析和讨论。采用模板匹配法结合不变矩的方法对行为姿态进行识别,选取具有平移、旋转、尺度缩放不变性的不变矩特征作为特征值。该方法克服了传统模板匹配法的缺陷,提取不变矩特征后进行相似度比较,以区分正常站立(行走)、低头站立、抬头站立、躺卧等行为,实现猪行为识别和分类。实验结果表明,该方法能够有效对猪的四种行为进行分类,准确率达80％以上。该项研究对养殖场中猪的精神状态和异常行为识别进行了有益的的探索。这将有利于对猪生长过程进行监测和研究,对提高规模养殖场自动监控水平具有较好的理论意义和实用价值。