针对基于可见光视频的奶牛跛行检测系统易受光线、环境变化因素影响的问题,该研究提出了一种基于热红外视频的奶牛跛行运动特征获取与检测的方法.该研究利用深度学习与传统图像处理方法,分别对热红外相机与可见光相机所拍摄的奶牛行走视频进行了奶牛跛行运动特征的提取检测.通过检测结果分析可知,相较于可见光图像,算法对于热红外图像中的奶牛跛行运动特征检测效果更好、准确率更高并且热红外图像可以有效减少光线等外界因素对特征提取的影响,利用深度学习与传统图像处理对运动特征检测的平均精度达到了90.84％与74.26％.研究利用弓背曲率分别针对热红外视频与可见光视频中的行走奶牛进行跛行检测试验,试验结果表明,针对热红外视频中的奶牛跛行检测精度为90.0％,Macro-F1为0.90;针对可见光视频中的奶牛跛行检测精度为83.3％,Macro-F1为0.83.研究表明热红外相机应用于计算机视觉奶牛跛行检测系统可以更好的实现奶牛跛行运动特征获取与跛行检测,有效提高检测准确性与鲁棒性.