机器视觉运动建模一般是指利用机器视觉手段来获取视频中目标物体的运动特征,并建立其运动模型的技术。它综合了图像处理、统计学、人工智能、信号处理等学科的知识,是目标异常行为分析和判断的关键,广泛应用于医疗、交通、安防监控及科学研究等领域。猪只的腹式呼吸是指猪只因感冒、咳嗽、哮喘等病症引起而呈现的腹式呼吸运动状态。规模化养殖场日常工作的重点之一是疫病监测,如果发现具有腹式呼吸的疑似病猪,将采取相应的诊治措施。但是监测手段仍依靠传统的人工方式,即连续地观察及记录,不仅效率低下,甚至干扰猪只健康生长。随着规模化养猪业近年来在我国取得了快速的发展,为提高生猪产业的现代化水平,生产各环节自动化建设是必然的趋势。本文主要针对规模养猪场常见站立姿病猪的腹式呼吸,研究了视频图像预处理技术、猪只目标提取方法、.目标轮廓提取方法和猪只腹式呼吸建模方法,对于场景中具有完整侧视图的单只猪视频,从基于离散型轮廓和连续型轮廓、三种基于猪只脊背和腹部轮廓线段（脊腹线）截距的猪只腹式呼吸运动描述子、健康猪和腹式呼吸的病猪等不同方面详细分析了所建立的一维波形信号模型的特点,实验表明针对具有腹式呼吸的猪视频,能取得效果较好的一维信号模型,可为兽医诊断分析提供潜在的新途径。本文形成了基于机器视觉的猪只腹式呼吸建模技术路线,可为规模养猪场视频监控自动化提供相关的技术基础。论文的主要研究内容如下:（1）经过研究图像预处理技术和对猪舍中长白猪的彩色视频图像分析,针对图像同质区域光照不均衡问题,采用非线性改善局部明暗区亮度值方法,使得图像光照均衡化。尽管一般彩色图像采用标准灰度化,但本文采用RGB分量自定义权重灰度化,更有助于偏向突出猪只目标。针对视频图像帧不可避免出现的噪声,提出一种自适应中值滤波算法,通过考虑整体图像中的局部变化,改变原始图像中少量像素点的亮度值,不仅可以抑制噪声还可以保留图像的精细细节。针对预处理后的图像质量评价,采用一种基于图像目标边缘像素点梯度评估法,以处理后图像和基准图像目标边缘上的对应像素点梯度差值为样本数据,通过假设检验来判断预处理后的图像质量是否改善。（2）提出一种具有自适应性、低计算代价的猪舍固定摄像前景目标提取法,获取对称差分图像和自适应背景更新的背景差分图像,以状态码为条件输出不同处理策略实现背景更新和前景融合,再通过联立纹理结构算子和HSV颜色空间阴影双重检测条件,增强了对阴影的识别能力,最终获得精确的前景目标区域,该方法不仅适用于运动的前景目标检测,也适用于运动缓慢或静止的前景目标检测。实验结果表明在猪舍内无论单目标还是多目标,背景光线无论是柔和渐变还是强烈突变,都能够消除空洞、拖影和阴影,并能较好地抑制电子噪声和地面水渍及排泄物痕迹变化对前景的影响,为后继猪只轮廓提取工作提供有利条件。（3）为了判断视频序列中是否含有猪只目标,研究了基于边缘模型的前景帧检测方法。尽管提取帧内图像边缘采用Canny算子效果较好,但基于高斯函数的Canny算子存在平滑性和定位精度之间的矛盾,因此,在边缘模型中引入能解决该矛盾的伪球边缘检测算子。为了避免模型中的参数值根据经验估计,提出了参数计算模型,即帧序列滑动窗口帧数T、非背景像素判断阈值η和序列帧噪声边缘判断阈值TN,使得参数的获取变得有章可循。（4）由于本研究最终针对单个侧视图的猪只建立其腹式呼吸模型,而视频场景中的猪只因所在位置和首尾朝向原因,并不能保证其身体展示为正侧视图,因此,论文利用傅里叶描述子表示猪的轮廓,通过傅里叶反变换重构猪只轮廓,研究傅里叶系数的合理个数和猪身外接矩形的宽长比,由傅里叶系数和猪身外接矩形宽长比构成轮廓特征向量,研究了视频图像帧目标属性判别算法,利用马氏距离判断当前图像帧的猪只目标是否是正侧视图,实验结果表明具有猪身正侧视图的图像正确识别精度为97.7%,为后继猪只腹式呼吸建模提供条件。（5）针对站立姿腹式呼吸的猪只一般表现为仅仅站立不走时腹式呼吸运动显著的习性特点,提出三种基于机器视觉的猪只腹式呼吸模型。通过获取猪的身体重心位置,确定脊腹线单截距和脊腹线段,研究了单截距、截距均值和敏感截距三种猪只腹式呼吸运动描述子,建立腹式呼吸一维信号模型。从模型中可提取腹式呼吸频率,并通过人工检测同源视频样本,验证了本模型与人工识别结果的强相关性,表明机器视觉完全能够替代人工观测进行腹式呼吸频次的测量。由于模型的基准选择为猪身区域的重心,因此猪站立腹式呼吸运动时身体的前后晃动不影响模型的稳定性。并分析了腹式呼吸猪只和健康猪只的一维信号波形图的差别,表明该模型能够表达猪只腹式呼吸运动,可为兽医诊断分析提供潜在的新途径。综上所述,本文提出的猪只腹式呼吸模型具有明晰的生理意义,模型表达直观,易于为规模养猪场兽医等相关人员理解,不仅在理论上值得深入研究,而且还具有较好的工程应用价值。