【摘要】【目的】为了尽早发现发情奶牛并及时进行配种,提高养殖场的经济效益,本文研究了基于机器视觉的奶牛爬胯行为识别。【方法】研究中选取了3种行为视频: 侧爬胯 101 段，追随 191 段，行走 343 段，合计 635 段视频,构建了VideoROI＿set＿Extended数据集。针对每一个视频段,在分割出奶牛目标后,使用最小外接矩形包含运动奶牛对象，计算最小外接矩形框的高度(Height，H)，宽度(Width，W)，纵横比(Height/Width，Z)这3个特征;然后以时间(T)为横轴，绘制3条奶牛运动时序曲线，并基于Improve Freeman编码法对3条曲线分别进行编码；最后将VideoROI＿set＿Extended视频集以8:2的比例进行随机划分后，使用KNN和BP两种分类器对时序曲线进行训练和识别。【结果】结果表明：采样数m=10和角度数n=6时，单一特征中，纵横比(Z)识别效果，使用KNN分类器进行识别，10次的平均识别正确率达到了97.64%；组合特征W&H&Z的时序曲线识别效果最好，KNN分类器的识别正确率达到了99.21%。【结论】本文提出的基于时序运动特征的奶牛爬胯行为识别方法能够有效地识别奶牛的侧爬胯行为，为计算机自动识别爬胯行为的奶牛提供了依据，必将有助于辅助判断发情奶牛，从而达到提高养殖场效益的最终目标。