随着养猪业智能化与自动化水平的不断提高，机器视觉技术与智能监控技术正成为新的应用方向。越来越多的科研人员开始关注这一热点，并开展了相关研究。由于传统养猪业中主要依靠人工肉眼观察去发现猪只异常，不仅耗时耗力，而且易受饲养员主观经验影响。因此，使用机器视觉技术与智能监控技术来替代人工观察劳动是将来养猪业的一大趋势。针对此问题，本论文提出一种基于几何参数特征与决策树支持向量机的猪只姿态分类与异常行为评价方法。本论文在介绍了关于猪只姿态分类与猪只异常方面的国内外研究现状与趋势之后，依据图像采集、图像处理、姿态分类、姿态识别、异常评价的顺序来进行研究，所做的主要工作如下：首先，针对猪只行动较缓慢的特点，采用CCD工业相机与视频服务器的组合来采集猪只姿态彩色图像，并采用了融合颜色与纹理的均值漂移图像分割算法、二值形态学处理算法与中值滤波算法对采集到的图像进行预处理，得到完整的、平滑的猪只姿态二值图像。然后，本论文分析了所要研究的猪只姿态种类，选择了5种猪只常见姿态，包括躺卧、侧面抬头站立、侧面低头站立、侧面平视站立以及正面站立。分析研究了可以有效描述猪只姿态的图像特征，选择形状特征中的几何参数特征来描述猪只姿态，选择并定义了11种有效几何参数特征，包括圆形度、高宽比、伸长度、质高比、质左比、质心左右比、最高点左右比、左（右）夹角余弦与左（右）抬头度。之后，在得到11维的猪只姿态描述特征之后，采用多分类支持向量机对其进行分类，本论文选择了基于决策树的多分类支持向量机，设计了针对猪只姿态分类问题的决策树。并以此进行了大量仿真，实验结果表明，所选择的11种几何参数特征可以有效地描述猪只5种姿态，平均分类准确度在90%以上。最后，本论文利用所得到的基于支持向量机的猪只姿态分类模型实现了基于内容的猪只姿态图像标注系统，实现了对于猪只姿态图像序列的描述，将时间与姿态关联起来。同时引入管理学方法中的行为锚定评价法来对猪只进食饮水与休息睡眠行为建立以姿态、时间为标准的评价系统。所提出的关于猪只异常的评价系统对于猪只异常分析具有一定的参考意义。本论文提出的猪只姿态分类与猪只异常评价方法为养猪业智能化与自动化提供了新的思路，有助于减少人工劳动、及时发现异常猪只并且避免损失。