1.一种采用卷积神经网络和长短期记忆检测群养猪玩耍行为的分析方法，其特征在于，包括以下步骤：步骤1，获取俯视状态下群养猪视频，从视频中挑选玩耍片段和非玩耍片段并保持数据平衡；步骤2，定位每个片段的玩耍区域；步骤3，采用卷积神经网络提取这些片段中每一帧的空间特征；步骤4，采用长短期记忆将这些空间特征转化成时空特征；步骤5，采用全连接层和Softmax函数分类时空特征从而检测玩耍行为；步骤6，统计所检测玩耍行为的持续时间用来确定猪对不同物体的玩耍偏好。

2.根据权利要求1所述的一种采用卷积神经网络和长短期记忆检测群养猪玩耍行为的分析方法，其特征在于：所述步骤1具体包括：首先改建实验用猪舍，在猪舍正上方安装拍摄俯视视频的图像采集系统，获取包含猪玩耍和非玩耍的视频，然后从这些视频中挑选出玩耍和非玩耍片段，并保持数据平衡。

3.根据权利要求2所述的一种采用卷积神经网络和长短期记忆检测群养猪玩耍行为的分析方法，其特征在于：所述视频中挑选出玩耍和非玩耍片段，并保持数据平衡的具体方法是：根据玩耍持续最小时间为1秒，从获取的所有视频中挑选出所有玩耍1秒片段和非玩耍

1秒片段，并统计所有玩耍片段的数量；然后统计所有非玩耍片段的数量和各种非玩耍行为对应片段之间的比例；按照非玩耍行为片段的实际比例，将重复率较高的非玩耍片段的数量缩小至玩耍片段数量，从而保持数据平衡。

4.根据权利要求1所述的一种采用卷积神经网络和长短期记忆检测群养猪玩耍行为的分析方法，其特征在于：所述步骤2的具体过程为：步骤2.1，为了跟踪蓝色球，对原始图像分别进行R、G、B通道的直方图均衡化，从而增强图像的质量；

步骤2.2，采用Matlab中rgb2hsv函数将RGB空间转化成HSV空间，然后设定对应蓝色的H、S、V分量范围为(0.540,0.689),(0.169,1)和(0.180,1)，并采用hsv2rgb函数将HSV空间中的蓝色区域在以RGB图像显示，为了进一步去除背景，在蓝色球上进行人工多点采样，并将这些标准采样点的R、G、B值的偏差设置为10个像素，得到蓝色球的提取结果。其中，采集样本点方法为：在每个触角上以质心为起点的射线上以11个像素为等间距，采集总共13个标准样本点；

步骤2.3，为了连接这些所提取蓝色点去近似恢复球形状，采用imdilate函数对这些点进行膨胀；

步骤2.4，为了去除此结果中的噪声，采用regionprops和ismember函数计算每个连通域的面积，将最大的连通域定义为球，其他的连通域(即噪声)被去除；

步骤2.5，以恢复后球的质心为原心，以平均猪长度的值为半径(220个像素)，将此圆形区域作为玩耍蓝色球的兴趣区域；

步骤2.6，玩耍金色球的兴趣区域的跟踪方法如步骤2.1-2.5，其中，金色球的H、S、V分量的范围设置为(0.080,0.189),(0.169,1)和(0.180,1)；采集样本点方法为：以质心为起点的射线上，在0°、45°、90°、135°、180°、225°、270°和315°方向上，以13个像素为等间距采集总共17个标准样本点；

步骤2.7，玩耍木棍的兴趣区域的跟踪，由于木棍被固定在墙上，玩耍木棍的兴趣区域被定义为矩形和2个四分之一圆的组合区域，其中，r为猪的平均长度。

5.根据权利要求1所述的一种采用卷积神经网络和长短期记忆检测群养猪玩耍行为的分析方法，其特征在于：所述步骤3的具体过程为：步骤3.1，为了将原始图像转化成具有区分度的特征，采用卷积神经网络结构InceptionV3获取这些片段中每一帧的2048维8×8像素的特征图；

步骤3.2，将每一帧对应的所有特征图中的灰度值拉直成131072维列向量[x1,x2,…,x131072]，并将此列向量作为卷积神经网络所提取的空间特征。

6.根据权利要求1所述的一种采用卷积神经网络和长短期记忆检测群养猪玩耍行为的分析方法，其特征在于：所述步骤4的具体过程为：根据在玩耍过程中猪和物体之间存在连续互动，而在非玩耍过程中猪和物体之间不存在连续互动这一时空运动差异，采用长短期记忆网络提取玩耍和非玩耍过程中的时空特征用于分类这两种行为，将每一帧的空间特征乘以相应权重得到长短期记忆网络的记忆单元、输入门、输出门和忘记门的4个输入控制信号z,zi,zo和zf；然后将这4个输入控制信号通过长短期记忆网络的输入门、输出门、忘记门和记忆单元得到每一帧对应的一个输出yt；由于帧率为30fps，将视频片段中所有帧对应的输出作为一个列向量[y1,y2,…,y30]，将此列向量作为长短期记忆所提取的时空特征。

7.根据权利要求1所述的一种采用卷积神经网络和长短期记忆检测群养猪玩耍行为的分析方法，其特征在于：所述步骤5的具体过程为：步骤5.1，采用全连接层对片段的时空特征进行分类得到一个2维向量；

步骤5.2，采用Softmax函数将此2维向量转化成表示玩耍的向量[1,0]和表示非玩耍的向量[0,1]。

8.根据权利要求1所述的一种采用卷积神经网络和长短期记忆检测群养猪玩耍行为的分析方法，其特征在于：所述步骤6的具体过程为：步骤6.1，对所检测玩耍片段和非玩耍片段的数量进行统计；

步骤6.2，统计猪对不同物体的玩耍时间，从而确定猪对不同物体的玩耍偏好。