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(nán)事儿。直到上了(le)大学开始做科研才发现(fāxiàn)，在动物学领域，这还真是个让人头大的问题。

今天，就(jiù)和大家聊一聊如何进行动物的个体识别。

个体识别是开展(kāizhǎn)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。但是，如何高效、精准地识别动物个体却是一个困扰了科学家(kēxuéjiā)们(men)近百年的难题。

之所以要这样(zhèyàng)做，是因为想开展动物生态学研究，就需要弄清楚三个核心问题：1.（这个地方）以前的动物现在还有(yǒu)吗？2.有多少？3.都在哪(nǎ)？

但是，野外(yěwài)的动物们数量稀少且分布广泛，它们可(kě)不会老老实实摆好 pose 等你去(qù)找，更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、行踪隐秘，甚至很多还是在夜间才(cái)出来活动。要是不幸遇到羚牛、熊、河马这些脾气大的家伙，还没等你认出它的雄雌，搞不好(gǎobùhǎo)它已经和你比划上几招了。

另外，要(yào)了解动物的行为习惯和行为背后的动机以及原理(yuánlǐ)，也必须在(zài)对动物群体进行研究时明确个体身份。这就好比你要了解小明和小强为啥打架，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(de)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(yǔ)人类相似，面部(miànbù)特征是有共性的。但人类面部毛发稀少，五官特征更(gèng)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。除非长期(chángqī)与它们朝夕相处，否则在野外环境中很难迅速分辨出不同个体。

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

长期以来，个体识别的(de)数据采集(cǎijí)主要(zhǔyào)依靠“一笔、一本、一望远镜”，但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(xiàolǜ)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(duìyú)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日常 图片来源(láiyuán)：陕西省(shǎnxīshěng)动物研究所赵海涛

老话(lǎohuà)说得好：只要肯用心，办法总比困难多。

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

第一类，利用动物自身独特的(de)特征进行识别，主要包括体型、气味、毛色、花纹、叫声、足迹、DNA 等。例如在动物日常饲养工作中，饲养员可以通过(tōngguò)肉眼观察动物的外貌特征来进行个体识别，但这(zhè)样的方法需要相关人员具有丰富的经验才行，适用(shìyòng)于(yú)动物数量不多的情况。而在野外，科学家们可以通过收集动物的毛发、粪便等生物学样本(yàngběn)提取 DNA，利用 DNA 分子标记技术进行鉴别，但是(dànshì)这种方法成本很高，时效性也(yě)不强。此外，还可通过在野外观察动物足迹的形状、大小(dàxiǎo)、步态等，来分析动物的物种、体型、性别甚至年龄等信息，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(hěndà)。

金雕（A）的虹膜；戴胜（B）头上的冠羽；雪豹（C）身上(shēnshàng)的斑点；大熊猫（D）的声纹(shēngwén)；小熊猫（E）的面部花纹；斑马（F）身上的条纹；大象(dàxiàng)（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 齐晓光蒲志勇何鑫等提供

第二类，利用人为标记进行识别，通过对动物(dòngwù)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(rǎnliào)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(jiāqín)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不便，并且容易脱落。至于在动物身体(shēntǐ)上刺纹身或烙印，多见于早期(zǎoqī)的畜牧养殖，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识别技术（Radio Frequency Identification，简称 RFID）的(de)微电子芯片应用较为广泛，它通过电磁场传输数据来(lái)识别标签中存储的动物个体(gètǐ)身份信息，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小群居动物个体身份识别，但在(zài)多目标同时(tóngshí)识别时效果欠佳。

佩戴 GPS 定位项圈的雌性川(chuān)金丝猴 图片来源：陕西省(shǎnxīshěng)动物研究所赵海涛

陕西洋县国家自然保护区的每(měi)一只朱鹮出生后都会(huì)在脚上佩戴环标，这样工作人员就能清楚地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(zhàohǎitāo)

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(hóngwài)相机拍摄的(de)(de)图像（或视频）来识别(shíbié)动物个体(gètǐ)。随着数码成像技术的不断进步和红外相机设备的国产化(guóchǎnhuà)，这种方法已经在国内普及。利用红外相机可以对预设区域(qūyù)实现长期持续观察，从而便于获得那些行踪隐秘或是夜行性动物的数据。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无法观察的直观信息，为我们了解这些神秘动物贡献巨大。

其次，使用(shǐyòng)红外相机进行观察具有较好的隐蔽性，可以大大降低人为活动对动物的影响。此外(cǐwài)，相比于通过动物痕迹进行识别，拍摄到的影像数据更加直观(zhíguān)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(bùshè)大量红外相(xiāng)机会产生海量数据，即便是有经验的科研人员也至少要花费 4 到 5 个小时，才能从(cóng)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，科学家们也只能对这些海量信息“望洋兴叹”。

既然数据收集和分析干起来太累，那能不能让机器(jīqì)代劳呢？

近十年来，随着计算机科学和人工智能技术的飞速发展，以及大规模图像数据集(jí)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）为代表(dàibiǎo)的深度学习技术在(zài)动物识别中取得了(le)巨大进展(jìnzhǎn)。科学家们先后实现了多种动物在野外条件下的物种识别、数量统计、行为检测、栖息地观测等智能化、无人化工作，不仅节省了大量(dàliàng)人力与时间，更提高了精确度(jīngquèdù)。

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

CNN 是(shì)一种(yīzhǒng)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，通过对(duì)卷积层、池化层、全连接层等结构的交替与优化，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，进一步(jìnyíbù)训练计算机提高识别(shíbié)性能。此外，CNN 还可以结合其他神经网络架构，如(rú)基于(jīyú)循环神经网络（Recurrent Neural Network, RNN）的 LSTM 算法（也(yě)称为长短期记忆网络，是一种时间递归神经网络，适合(shìhé)于处理(chǔlǐ)和预测时间序列中间隔和延迟(yánchí)相对较长的重要事件）、GAN 算法（即生成对抗网络，由生成网络(Generator)和判别网络(Discriminator)组成；两个网络相互对抗，训练过程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(tōngguò) CNN 进行动物识别简化流程图 图片来源：李勃绘制

2020 年，西北大学郭松涛团队在长期对金丝猴群体特征研究(yánjiū)结果的(de)基础(jīchǔ)上，利用神经网络原理，提出(chū)具有关注机制的深度神经网络模型，首次开发出基于 Tri-AI 技术的动物个体识别系统。该系统实现(shíxiàn)了(le)对野生个体的准确身份识别和连续跟踪采样，目前已在灵长类的 41 个代表性物种和 4 种食肉动物群体进行(jìnxíng)了适用性验证，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(shíbiéxìtǒng)的工作过程 图片(túpiàn)来源：参考文献[11]

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

即便猴脸都能(néng)靠 AI 自动识别了，科学家们依然没有满足。

他们还将卫星遥感与深度学习结合进行物种识别，并且应用(yìngyòng)于羚牛、布氏(bùshì)斑马等野生动物监测，人们可以(kěyǐ)(kěyǐ)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(wúrénjī)能够快速准确地分辨出画面中的监测目标(mùbiāo) 图片来源：参考文献[12]

此外，科学家们还尝试开发基于(jīyú)深度学习的无人机检测方法。利用无人机与 CNN 结合(jiéhé)搭建的半自动检测方法，对非洲(fēizhōu)大草原上(shàng)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(jīngquèdù)也有所提高。另外，科学家们已不再局限于静态图像的AI识别，正致力于开发能够解析动态视频数据的 AI 模型了。

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

借助该技术，我们甚至(shènzhì)可以给动物群体中的(de)每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，拿起(qǐ)手机(shǒujī)对着活蹦乱跳的动物一扫，屏幕上就(jiù)会跳出它们的姓名、性别、兴趣爱好、家族谱系等，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(tuánduì)和陕西省动物(dòngwù)研究所赵海涛研究员等诸位师友为撰写本文提供的文献、图片资料和宝贵意见。

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

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

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

[4]保明伟等(děng). 野生动物学报，西双版纳野象谷亚洲象(yàzhōuxiàng)个体识别及(jí)种群数量特征，2024 ,45 (03)：472 - 479

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

[6]路红坤. 基于声纹的大熊猫个体(gètǐ)识别系统分析与(yǔ)研究. 电子科技大学，2019.06

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

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

作者丨李勃(lǐbó) 陕西省生物农业研究所