奶牛的反刍时间及反刍次数在一定程度上反映了奶牛的生理健康状况，其反刍行为与生产性能、应激反应以及多种疾病（如肢蹄，酮病，关节炎，消化道炎症）等因素密切相关。近年来，针对奶牛社交、采食、反刍等行为的相关研究逐渐受到重视。在奶牛养殖业中，掌握奶牛反刍情况对指导奶牛的养殖具有重要意义。相比于人工观察奶牛反刍行为费时费力等缺点，本文研究的目的在于探索一种视频监控技术能对特定时间段监拍的奶牛自动进行反刍行为识别，方便养殖人员及时了解奶牛生理状况。　　由于局部时空特征点的行为识别方法是当今热门研究方法，且此类方法对部分遮挡和噪声不敏感，计算复杂度低等优点，本研究采用基于局部时空特征点的行为识别对奶牛反刍行为进行识别，针对提取奶牛反刍动作稀疏轨迹识别精度低的缺点，本文采用稠密轨迹方法以涵盖奶牛反刍行为的全部运动信息并进一步提高算法精度。算法首先采样稠密特征点，然后用光流法提取稠密特征运动轨迹，再将运动轨迹划分成多个时空单元体并计算局部特征描述子，如包含局部运动模式信息的轨迹描述符、包含外形信息的方向梯度直方图（HOG）、包含运动速度的光流直方图（HOF）以及补充光流包含运动加速度的运动边界直方图（MBH），最后将这些局部特征描述子用词袋特征模型的方法进行量化编码，送入分类器进行分类。本文主要在以下两方面做了改进：　　（1）针对单个轨迹描述子不能充分描述奶牛反刍行为轨迹特征的缺点，本文采用多种轨迹描述子（HOG）、（HOF）、（MBH）相融合及联合描述子方法对奶牛反刍行为轨迹作进一步区分。　　（2）在自制奶牛反刍行为视频集过程中，存在相机运动（背景运动）的情况，本文在轨迹特征描述符如（轨迹形状描述符，梯度直方图，光流直方图）基础上增加运动边界直方图描述符，在一定程度上能够减少匀速相机运动对行为识别精度的干扰。　　实验结果表明，基于联合描述子的奶牛反刍行为识别的方法获得了较好的识别效果，达到预期目的。