猪只日常运动行为是猪只健康状况分析和健康养殖管理的重要依据,对猪只运动行为的检测成为业界研究的热点.过去,由于条件所限对猪只行为的识别具有一定的困难.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.本文在前期基于视频追踪的运动量检测研究基础上,开展了基于现场视频的猪只运动行为识别技术研究,探索提出了一种基于支持向量机的猪只运动行为分类算法、基于K-means分析模型的猪只活跃规律分析算法和不同饲养密度下猪只的活跃度分析算法.并用捕获视频的1318段总时长达1075小时视频进行了分析试验.试验表明:基于支持向量机的猪只走、睡、静分类识别正确率为79.9％;找出了试验猪只在一天中在10:30至11:30、12:00至12:30和下午15:00-16:30时段最为活跃的规律;发现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;不同饲养密度下猪只在喂食情况下活跃度差异最为显著,且随着饲养密度的增加差异越明显.数值分析结果与视频追溯显示出高度的一致性,表明本方案可以有效表征猪只行为,可为无损检测猪只行为提供新思路,可为猪只健康养殖管理决策提供参考.