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(wǒ)是(shì)雄雌？”小时候学《木兰辞》，从没想过(xiǎngguò)辨别动物雄雌是什么难事儿。直到上了大学开始做科研才发现，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(liáoyīliáo)如何进行动物的个体识别。

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

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

但是，野外的(de)动物们数量稀少且分布(fēnbù)广泛，它们可不会老老实实摆好 pose 等(děng)你去找，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出来活动。要是不幸遇到羚牛、熊、河马这些脾气(píqì)大的家伙，还没等你认出它的雄(xióng)雌，搞不好它已经和你比划上几招了。

另外，要了解(liǎojiě)动物的行为习惯和行为背后的动机以及原理，也必须在(zài)对动物群体进行研究时明确个体身份。这就(jiù)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，野生动物群体中的个体识别(shíbié)难度要(yào)大得多。就拿(ná)同是灵长类的川金丝猴来说，头部器官分布与人类相似，面部特征是有共性的。但人类面部毛发稀少，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(wénlǐ)特征更复杂。除非长期与它们朝夕相处，否则(fǒuzé)在野外环境中很难迅速分辨出不同个体。

猜(cāi)一猜，这些照片里究竟(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，个体识别的(de)(de)数据采集主要依靠“一笔、一本、一望远镜”，但这种传统的人工观察(guānchá)式记录非常依赖观察者自身的经验，并极大地受制于(shòuzhìyú)天气、地形(dìxíng)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(lùsù)、跋山涉水是(shì)开展野生动物保护工作的日常 图片来源：陕西省动物研究所赵海涛

老话说得好(shuōdéhǎo)：只要肯用心，办法总比困难多。

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

第一类(dìyīlèi)，利用动物自身独特的特征进行识别，主要包括体型、气味、毛色(máosè)、花纹(huāwén)、叫声、足迹(zújì)、DNA 等。例如在动物日常饲养(sìyǎng)工作中，饲养员可(kě)以通过肉眼观察动物的外貌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(bùduō)的情况(qíngkuàng)。而在野外，科学家们可以通过收集动物的毛发、粪便等生物学样本提取 DNA，利用 DNA 分子标记技术进行鉴别，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、性别甚至年龄(niánlíng)等信息，但这对于工作人员的专业知识储备(chǔbèi)要求很高，而且主观误差也会很大。

金雕（A）的(de)虹膜；戴胜（B）头上的冠羽；雪豹（C）身上的斑点；大熊猫(dàxióngmāo)（D）的声纹；小熊猫（E）的面部(miànbù)花纹；斑马（F）身上的条纹；大象（G）鼻子(bízi)上的鼻纹都是其独一无二的典型特征 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。例如，可以给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(dàn)这些方法可能(kěnéng)会给动物的行动造成不便，并且容易脱落。至于在(zài)动物身体上刺纹身或烙印，多见于(duōjiànyú)早期的畜牧(xùmù)养殖(yǎngzhí)，太过粗暴，会对动物身心(shēnxīn)造成伤害，现在已经很少使用了。

而利用低频或高频射频识别(shíbié)技术（Radio Frequency Identification，简称 RFID）的微电子芯片应用(yìngyòng)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，以(yǐ)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(tóngshí)识别时效果欠佳。

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

陕西洋县国家自然保护区的(de)每一只(yīzhī)朱鹮出生后都会在脚上佩戴环标，这样工作人员就能清楚地了解它的详细(xiángxì)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(láiyuán)：陕西省动物研究所赵海涛

第三类(dìsānlèi)，利用红外相机拍摄的图像（或视频）来识别(shíbié)动物个体。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(fāngfǎ)已经(yǐjīng)在国内普及。利用红外相机可以对预设区域实现长期持续观察，从而(cóngér)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(néng)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(duì)动物的影响。此外，相比于通过动物痕迹进行识别，拍摄到的影像数据(shùjù)更加直观可靠，且数字化(shùzìhuà)的影像数据便于存储和交流。

图片(túpiàn)来源：参考文献[8]

然而(ránér)，布设(bùshè)大量红外相机会产生海量数据，即便是有经验的科研人员也至少要花费 4 到 5 个小时，才能从被识别过(guò)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，那能不能让机器代劳(dàiláo)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的出现和计算设备能力的不断增强(zēngqiáng)，以卷积神经网络（convolutional neural network，CNN）为代表的深度学习技术在(zài)动物识别中取得了巨大进展。科学家(kēxuéjiā)们先后实现了多种动物在野外条件下的物种(wùzhǒng)识别、数量统计、行为检测、栖息地观测等智能化、无人化工作(gōngzuò)，不仅(bùjǐn)节省了大量人力与(yǔ)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(gōngzuò) 非洲企鹅（a），斑马（b）,黑猩猩（c）,家猪（d）,奶牛(nǎiniú)（e），金钱豹（f），大熊猫（g）,亚洲黑熊（h）图片来源：参考文献[8]

CNN 是一种学习(xuéxí)效率很高且(gāoqiě)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(yōuhuà)(yōuhuà)，能够(nénggòu)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(suànfǎ)（也称为长短期记忆网络，是一种时间递归神经网络，适合于处理和预测时间序列中(zhōng)间隔和延迟(yánchí)相对较长的重要事件）、GAN 算法（即(jí)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 CNN 进行动物识别简化(jiǎnhuà)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(gè)体识别系统(shíbiéxìtǒng)。该系统实现了对野生个体的准确身份(shēnfèn)识别和连续跟踪采样(cǎiyàng)，目前已(yǐ)在灵长类的 41 个代表性物种和 4 种食肉动物群体进行了适用性验证，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(fēnxī)，实现全天候的动物研究。

Tri-AI 动物(dòngwù)个体识别系统的工作过程(guòchéng) 图片来源：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(zhēnjiǎ)美猴王的故事怕是要改写了。

即便猴脸都(dōu)能靠 AI 自动识别了，科学家们依然没有满足。

他们还将(jiāng)卫星(wèixīng)遥感与深度学习结合进行物种识别，并且应用于羚牛、布氏斑马等野生动物(yěshēngdòngwù)监测，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(de)非法活动。

利用 AI 技术无人机能够快速准确地(dì)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深度学习的无人机检测方法。利用无人机与 CNN 结合搭建(dājiàn)的半自动检测方法，对非洲大草原(cǎoyuán)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(zhèng)致力于开发能够(nénggòu)解析(jiěxī)动态视频数据的 AI 模型了。

如今，借助 AI 技术的(de)深度融合，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动物种群预估等(děng)，在未来的精准畜牧养殖、食品安全溯源以及生态保护等方面，这类技术有着(yǒuzhe)巨大的应用(yìngyòng)潜力。

借助该技术(jìshù)，我们甚至可以给动物群体中的每只动物都赋予明确的身份。设想一下，在不久(bùjiǔ)的将来，无论是在动物园(dòngwùyuán)还是野外，拿起手机对着活蹦乱跳的动物一扫，屏幕(píngmù)上就会(huì)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(gǎnxiè)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文献、图片资料和宝贵意见。

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

[2]黄孟选等. RFID技术在动物个体行为识别(shíbié)中的应用(yìngyòng)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. 经济(jīngjì)动物学报，2020，24（03）146-152

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

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

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

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

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

作者丨李勃(lǐbó) 陕西省生物农业研究所