1、隨著養(yǎng)豬業(yè)智能化與自動化水平的不斷提高，機器視覺技術與智能監(jiān)控技術正成為新的應用方向。越來越多的科研人員開始關注這一熱點，并開展了相關研究。由于傳統(tǒng)養(yǎng)豬業(yè)中主要依靠人工肉眼觀察去發(fā)現豬只異常，不僅耗時耗力，而且易受飼養(yǎng)員主觀經驗影響。因此，使用機器視覺技術與智能監(jiān)控技術來替代人工觀察勞動是將來養(yǎng)豬業(yè)的一大趨勢。針對此問題，本論文提出一種基于幾何參數特征與決策樹支持向量機的豬只姿態(tài)分類與異常行為評價方法。
　　本論文在介紹了關于豬只

2、姿態(tài)分類與豬只異常方面的國內外研究現狀與趨勢之后，依據圖像采集、圖像處理、姿態(tài)分類、姿態(tài)識別、異常評價的順序來進行研究，所做的主要工作如下:
　　首先，針對豬只行動較緩慢的特點，采用CCD工業(yè)相機與視頻服務器的組合來采集豬只姿態(tài)彩色圖像，并采用了融合顏色與紋理的均值漂移圖像分割算法、二值形態(tài)學處理算法與中值濾波算法對采集到的圖像進行預處理，得到完整的、平滑的豬只姿態(tài)二值圖像。
　　然后，本論文分析了所要研究的豬只姿態(tài)種類，選

3、擇了5種豬只常見姿態(tài)，包括躺臥、側面抬頭站立、側面低頭站立、側面平視站立以及正面站立。分析研究了可以有效描述豬只姿態(tài)的圖像特征，選擇形狀特征中的幾何參數特征來描述豬只姿態(tài)，選擇并定義了11種有效幾何參數特征，包括圓形度、高寬比、伸長度、質高比、質左比、質心左右比、最高點左右比、左（右）夾角余弦與左（右）抬頭度。
　　之后，在得到11維的豬只姿態(tài)描述特征之后，采用多分類支持向量機對其進行分類，本論文選擇了基于決策樹的多分類支持向量機

4、，設計了針對豬只姿態(tài)分類問題的決策樹。并以此進行了大量仿真，實驗結果表明，所選擇的11種幾何參數特征可以有效地描述豬只5種姿態(tài)，平均分類準確度在90％以上。
　　最后，本論文利用所得到的基于支持向量機的豬只姿態(tài)分類模型實現了基于內容的豬只姿態(tài)圖像標注系統(tǒng)，實現了對于豬只姿態(tài)圖像序列的描述，將時間與姿態(tài)關聯(lián)起來。同時引入管理學方法中的行為錨定評價法來對豬只進食飲水與休息睡眠行為建立以姿態(tài)、時間為標準的評價系統(tǒng)。所提出的關于豬只異常的