AI辨猴脸、卫星追羚牛！科学家如何破解“安能辨我是雄雌”难题？

“雄(xióng)兔脚扑朔，雌兔眼迷离；双兔傍地走，安能辨我是雄雌？”小时候学《木兰辞》，从没想过辨别动物雄雌是什么难事儿。直到上了(le)大学开始(kāishǐ)做科研才发现，在动物学领域，这还真是个让人头大的问题。

今天，就和大家聊一聊如何进行动物的(de)个体识别。

个体识别是(shì)开展动物行为和动物生态研究的基础，也是野生动物生态和保护研究的关键(guānjiàn)。但是，如何(rúhé)高效、精准地识别动物个体却是一个困扰了科学家们近百年的难题。

之所以要(yào)这样做，是因为想开展动物生态学研究，就需要(xūyào)弄清楚三个(sāngè)核心问题：1.（这个地方）以前的动物现在还有吗？2.有多少？3.都在哪？

但是，野外的动物们数量稀少且分布广泛，它们可不会老老实实摆好 pose 等你(nǐ)去找，更(gèng)不会心甘情愿让你随便去窥探它们的私生活——毕竟它们生性警觉(jǐngjué)、行踪隐秘，甚至很多还是在夜间才出来活动。要是不幸遇到羚牛、熊、河马(hémǎ)这些脾气大的家伙，还没等你认出它的雄雌，搞不好它已经(yǐjīng)和你比划上几招了。

另外，要了解动物的(de)行为习惯和行为背后的动机以及原理，也必须在对动物群体(qúntǐ)进行研究时明确个体身份。这就好比你要了解小明(xiǎomíng)和小强为啥打架，首先得在一群孩子中认出他俩才行。

比起辨认人类小孩，野生动物群体中的个体识别难度要大得多。就拿同是灵长类的川金丝猴来说，头部器官分布与人类相似(xiāngsì)，面部特征(tèzhēng)是有共性的。但人类面部毛发(máofà)稀少，五官特征更加清晰。而猴子面部毛发浓密，且毛发区域相对更明显，纹理特征更复杂。除非(chúfēi)长期与它们朝夕相处(zhāoxīxiāngchǔ)，否则在野外环境中很难迅速分辨出不同个体。

猜一猜，这些照片里(lǐ)究竟(jiūjìng)是一个猴还是七个猴？答案是 18 只猴！图片来源：陕西省动物研究所赵海涛

长期以来，个体(gètǐ)识别的(de)数据采集主要依靠“一笔、一本(yīběn)、一望远镜(wàngyuǎnjìng)”，但(dàn)这种传统的人工观察式记录非常依赖观察者自身的经验，并极大地受制于天气、地形等自然条件，数据采集的可靠性、效率和连续性都难以保障。并且，研究过程是十分艰苦和危险的，对于科学家们来说，野外的日子真不好过。

分餐露宿、跋山涉水是开展野生动物保护工作的(de)日常 图片来源：陕西省动物研究所赵海涛(zhàohǎitāo)

老话说得好：只要肯用心，办法(bànfǎ)总比困难多。

近半个世纪以来，科学家们开动脑筋想出了不少方法。简单(jiǎndān)来说，大致可分为三类(sānlèi)。

第一类，利用动物(dòngwù)自身独特(dútè)的特征(tèzhēng)进行识别，主要包括体型(tǐxíng)、气味、毛色、花纹、叫声、足迹、DNA 等(děng)。例如在(zài)动物日常饲养工作中，饲养员可以通过肉眼观察动物的外貌(wàimào)特征来进行个体识别，但这样的方法需要相关人员具有丰富的经验才行，适用于动物数量不多的情况。而在野外，科学家们可以通过收集(shōují)动物的毛发、粪便等生物学样本提取 DNA，利用 DNA 分子标记技术进行鉴别(jiànbié)，但是这种方法成本很高，时效性也不强。此外，还可通过在野外观察动物足迹的形状、大小、步态等，来分析动物的物种、体型、性别(xìngbié)甚至年龄等信息，但这对于工作人员的专业知识储备要求很高，而且主观误差也会很大。

金雕（A）的虹膜；戴胜（B）头上的冠羽；雪豹（C）身上的斑点；大熊猫（D）的声纹；小熊猫(xiǎoxióngmāo)（E）的面部花纹；斑马（F）身上的条纹；大象（G）鼻子上的鼻纹都是其独一无二的典型特征(tèzhēng) 图片来源：赵海涛(zhàohǎitāo) 齐晓光(qíxiǎoguāng)蒲志勇何鑫等提供

第二类，利用人为标记进行识别，通过对动物个体施加人工标记物来进行区分。常见方法的主要有：环标法、刺纹法、烙印法、染料标记法和注入微电子芯片等(děng)。例如，可以给(gěi)鸟类或者家禽带上脚环，给老虎或者猴子佩戴项圈，给猪或牛等家畜打上耳标等，但这些方法可能会给动物的行动造成(zàochéng)不便，并且(bìngqiě)容易脱落(tuōluò)。至于在(zài)动物身体上刺纹身或烙印，多见于早期的畜牧养殖(yǎngzhí)，太过粗暴，会对动物身心造成伤害，现在已经很少使用了。

而(ér)利用低频或高频射频(shèpín)识别技术（Radio Frequency Identification，简称 RFID）的微电子芯片(xīnpiàn)应用较为广泛，它通过电磁场传输数据来识别标签(biāoqiān)中存储的动物个体身份信息(xìnxī)，以微型芯片的方式附着、粘贴或植入目标体内。这一技术主要应用于(yú)小群居动物个体身份识别，但在多目标同时识别时效果欠佳。

佩戴(pèidài) GPS 定位(dìngwèi)项圈的雌性川金丝猴 图片来源：陕西省动物研究所赵海涛

陕西洋县国家自然保护区的每一只朱鹮(zhūhuán)出生(chūshēng)后都会在脚上佩戴环标，这样工作人员就能清楚地(dì)了解它的详细身世信息 图片来源：陕西省动物研究所赵海涛

FRID 工具 图片来源：陕西省动物研究所(yánjiūsuǒ)赵海涛

第三类，利用红外相机拍摄的图像（或视频）来识别动物个体。随着数码成像技术的不断进步(bùduànjìnbù)和红外相机设备的国产化，这种方法已经在国内普及。利用红外相机可以对预设区域实现长期(chángqī)持续观察(guānchá)(guānchá)，从而便于获得那些行踪隐秘或是夜行性(xìng)动物的数据。例如，感官敏锐、活动隐秘等特点使得大型猫科动物的行为研究十分困难，红外相机能捕捉到大量平时(píngshí)无法观察的直观信息(xìnxī)，为我们了解这些神秘动物贡献巨大。

其次，使用红外相机进行观察具有较好的隐蔽性，可以大大降低人为(rénwéi)活动对动物(dòngwù)的影响。此外，相比于通过动物痕迹(hénjì)进行识别，拍摄到的影像数据更加直观可靠，且数字化的影像数据便于存储和交流。

图片来源(láiyuán)：参考文献[8]

然而，布设大量红外相机会产生海量数据，即便是有(yǒu)经验的科研人员也至少要花费 4 到 5 个小时(xiǎoshí)，才能从被识别过的个体影像、照片资料中获取少量的有效行为数据。面对未标记(biāojì)和识别过的目标，科学家(kēxuéjiā)们也只能对这些海量信息“望洋兴叹”。

既然数据收集和(hé)分析干起来太累，那能不能让机器代劳呢？

近十年来，随着计算机科学和(hé)人工智能技术的飞速发展，以及大规模图像数据集的出现和计算设备能力的不断增强，以卷积神经网络（convolutional neural network，CNN）为(wèi)代表(dàibiǎo)的深度学习技术在动物识别中取得了巨大(jùdà)进展。科学家们先后实现了多种动物在野外条件下的物种识别、数量(shùliàng)统计(tǒngjì)、行为检测、栖息地观测等智能化、无人化工作，不仅(bùjǐn)节省了大量人力与时间，更提高了精确度。

利用(lìyòng)深度学习技术开展动物个体识别相关工作 非洲企鹅（a），斑马（b）,黑猩猩(hēixīngxīng)（c）,家猪（d）,奶牛（e），金钱豹（f），大熊猫（g）,亚洲黑熊（h）图片来源：参考文献(cānkǎowénxiàn)[8]

CNN 是一种学习效率很高且易于训练的(de)深度学习模型。在 CNN 基础之上，通过(tōngguò)对(duì)卷积层、池化层、全(quán)连接层等结构的交替与优化(yōuhuà)，能够加强对图像的特征提取，并通过调整网络层数加强学习能力(nénglì)，进一步训练计算机提高识别性能。此外(cǐwài)，CNN 还可以结合其他神经网络架构，如基于循环神经网络（Recurrent Neural Network, RNN）的 LSTM 算法（也称为长短期记忆网络，是一种时间(shíjiān)递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长(jiàozhǎng)的重要事件）、GAN 算法（即生成对抗网络，由生成网络(Generator)和判别网络(Discriminator)组成(zǔchéng)；两个网络相互(xiānghù)对抗，训练过程(guòchéng)中最终的目标是生成接近真实数据的样本）等，增强特征提取能力，进一步优化网络结构，提高识别准确度。

通过 CNN 进行动物识别简化流程图(liúchéngtú) 图片来源：李勃绘制

2020 年，西北大学(xīběidàxué)郭松涛团队在长期对金丝猴群体特征研究结果的(de)基础上，利用神经网络原理，提出具有关注机制的深度神经网络模型，首次开发出基于 Tri-AI 技术的动物个体(gètǐ)识别系统。该系统实现了对野生个体的准确身份识别和连续(liánxù)跟踪采样，目前已在灵长类的 41 个代表性物种和 4 种食肉动物(shíròudòngwù)群体进行了适用性(shìyòngxìng)验证，平均识别精度达 94.1%。更厉害的是，Tri-AI 系统还能兼容夜视(yèshì)影像的分析，实现全天候的动物研究。

Tri-AI 动物个体识别系统的(de)工作过程 图片来源(láiyuán)：参考文献[11]

当年唐僧要是有了(le)这套系统，那《西游记》里真假美猴王的故事(gùshì)怕是要改写了。

即便猴脸都能靠 AI 自动识别了，科学家们依然没有(méiyǒu)满足。

他们还(hái)将卫星遥感与(yǔ)深度学习结合进行(jìnxíng)物种识别，并且应用于羚牛、布氏斑马等野生动物监测(jiāncè)，人们可以通过这些卫星遥感数据对物种死亡率进行调查并评估潜在死亡风险，甚至可以远程追踪威胁野生动物的非法活动。

利用 AI 技术无人机能够快速(kuàisù)准确地分辨出画面中的(de)监测目标 图片来源：参考文献[12]

此外，科学家们还尝试(chángshì)开发基于深度学习的无人机检测方法。利用(lìyòng)无人机与 CNN 结合搭建的半自动检测方法，对非洲大草原上的长颈鹿、非洲象等动物进行观测，不仅在效率上有很大提升，精确度也(yě)有所提高。另外，科学家们已不再(bùzài)局限于静态图像的AI识别，正致力于开发能够解析动态视频数据(shùjù)的 AI 模型了。

如今，借助 AI 技术的深度融合，动物身份识别技术已能实现对单个动物制定(zhìdìng)繁殖计划、进行疾病控制、开展动物行为学研究及动物种群预估等，在未来的精准畜牧(xùmù)养殖、食品安全溯源以及生态(shēngtài)保护等方面，这类技术有着巨大的应用(yìngyòng)潜力。

借助该技术，我们甚至(shènzhì)可以给动物群体中的每(měi)只动物都赋予明确的身份。设想一下，在不久的将来，无论是在动物园还是野外，拿(ná)起手机对着(zhe)活蹦乱跳的动物一扫，屏幕上就会跳出它们的姓名、性别、兴趣爱好、家族谱系等(děng)，甚至每一个动物的身世传奇都尽在你的掌中，那将会是一种什么样的难忘体验？

感谢西北大学李保国老师团队和(hé)陕西省动物研究所赵海涛研究员等诸位师友为撰写本文提供的(de)文献、图片资料和宝贵意见。

[1]张丽霞等. 动物个体识别方法(shíbiéfāngfǎ)种种. 野生动物(yěshēngdòngwù)学报，2015,36（04）：475-478

[2]黄孟选等. RFID技术在动物个体行为(xíngwéi)识别(shíbié)中的应用进展. 中国家禽，2018，40（22）：39-44

[3]付鑫等. 基于红外相机监测照片对亚洲黑熊的个体(gètǐ)识别(shíbié). 经济动物学报，2020，24（03）146-152

[4]保明伟等. 野生动物学报(xuébào)，西双版纳(xīshuāngbǎnnà)野象(yěxiàng)谷亚洲象个体识别及种群数量特征，2024 ,45 (03)：472 - 479

[5]顾(gù)佳音. 东北(dōngběi)虎雪地足迹个体识别技术研究. 东北林业大学，2013,06

[6]路红坤. 基于声纹的(de)大熊猫(dàxióngmāo)个体识别系统分析与研究. 电子科技大学，2019.06

[7]刘雪华等. 红外(hóngwài)相机技术在(zài)物种监测中的应用及数据挖掘. 生物多样性,2018，26(8)：850-861

[8]刘宁. 基于图像的(de)濒危动物个体识别研究——以东北虎和小熊猫为例. 四川大学(sìchuāndàxué)，2021,06

作者丨李勃 陕西省生物农业研究所(yánjiūsuǒ)