随着我国生猪产业不断朝着集约化、标准化方向发展,对猪只的疾病防控以及福利管理的需求日益增加,智能化监测猪只行为以判断其健康状态成为生猪养殖中的重要环节,对实现精准的生猪养殖具有重要意义。由于饮水量影响着猪只的生长性能,任何降低饮水量的因素都有可能导致生猪疾病频发。因此,为了科学掌握生猪的日常饮水情况,时刻考量生猪的健康状态,本文研究出了一种基于计算机视觉技术的猪只饮水行为与身份识别方法。本文主要研究内容纲要如下:（1）为实现猪只饮水行为特征图像的采集,通过关键帧筛选、预处理和图像分割对猪只个体图像进行了有效提取。通过最小最近邻像素比较法实现了关键帧筛选;采用限制对比度自适应直方图均衡化和双边滤波完成了图像的预处理;以最大类间方差法实现了饮水区域图像的分割,并通过形态学处理及连通域筛选完成了猪只个体图像的有效提取。（2）为完成猪只饮水行为的有效判别,提出了一种基于空间特征与时间特征相结合的识别方法。统计单帧饮水区域图像和基准图像中像素变化的累积值,通过与阈值对比实现饮水器占用状态的判断,并通过像素占领比对单帧图像内是否含有完整猪只加以判断,在此基础上计算猪只头部与饮水区域的交集面积,完成对单帧图像中饮水行为空间特征的判断;根据连续帧图像计算猪只的运动幅度,实现对饮水行为时间特征的判断;最终通过空间特征和时间特征共同完成猪只饮水行为识别。（3）为确定饮水猪只的身份特征,研究了一种基于改进的特征融合方法。采用加强型SIFT算法对图像中猪只的局部特征进行了提取;通过中心对称局部多态二值模式算法对猪只的纹理特征进行了准确提取;利用连通域统计算法对猪只图像的颜色空间分布特征进行了获取;对三种特征进行融合降维,以实现特征的图像表征能力和识别效率的提升。（4）为实现饮水猪只身份的准确识别,设计了一种基于差分进化算法的加权集成分类器。通过子训练集分别对KNN、SVM和NB分类器进行训练,以提高集成分类器性能;利用差分进化算法对分类器权重加以优化,使之能快速实现最优权重组合的筛选;采用加权投票法实现基分类器结果的决策与最终结果的输出。实验结果表明,本文提出的加权集成分类器比单一分类器的识别精确率高,识别精确率达92.84%。本研究利用时空特征准确判别猪只饮水行为,以及采用特征融合和加权集成学习方法有效识别饮水猪只身份,为科学掌握猪只饮水情况、智能化监测猪只健康状态提供了技术支撑,也为监测猪只的其他行为提供了理论参考。