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(mílí)；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)大学开始做科研才发现，在动物学领域，这还真是个(gè)让人头大的问题。

今天，就和(hé)大家聊一聊如何进行动物的个体识别。

个体(gètǐ)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(quèshì)一个(yígè)困扰了科学家们近百年的难题。

之所以要这样做(zuò)，是因为(shìyīnwèi)想开展动物生态学研究(yánjiū)，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(tāmen)(tāmen)可不会老老实实摆好 pose 等你去找，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(xíngzōng)隐秘，甚至很多还是在(zài)夜间才出来(chūlái)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，搞不好它已经和你比划上几招了。

另外，要了解动物的行为(xíngwéi)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和小强为啥(wèishá)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(ná)同是灵长类的川金丝猴来说(láishuō)，头部器官分布与(yǔ)人类相似，面部(miànbù)特征是有共性(gòngxìng)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，纹理特征更复杂。除非长期与它们朝夕相处，否则在野外环境中很难迅速分辨出不同个体。

猜(cāi)一猜，这些照片里究竟是一个(yígè)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(fēicháng)依赖(yīlài)观察者自身的经验，并极大地受制于天气、地形等(děng)自然条件，数据采集的可靠性(kěkàoxìng)、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)、跋山涉水是开展野生动物保护工作的日常 图片来源(láiyuán)：陕西省动物研究所赵海涛

老话说得好：只要肯用心，办法总(zǒng)比困难多。

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

第一类，利用动物(dòngwù)自身独特的(de)特征进行(jìnxíng)识别，主要包括体型(tǐxíng)、气味、毛色、花纹、叫声、足迹、DNA 等。例如在(zài)动物日常饲养工作(gōngzuò)中，饲养员可(kě)以通过(tōngguò)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(hěn)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(fēnxī)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。

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（D）的声纹；小熊猫（E）的面部花纹；斑马（F）身上的条纹(tiáowén)；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(děng)提供

第二类，利用人为标记(biāojì)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(zhùrù)微电子芯片等(děng)。例如(lìrú)，可以给(gěi)(gěi)鸟类或者家禽带上脚环，给老虎(lǎohǔ)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。至于在动物身体上刺纹身或烙印，多见于早期的畜牧养殖，太过粗暴，会对动物身心造成伤害，现在已经很少使用了。

而利用低频(dīpín)或(huò)高频射频识别技术（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(diàncíchǎng)传输数据来识别标签中存储的动物(dòngwù)个体身份信息，以微型芯片的方式附着、粘贴或植入目标体内。这一(zhèyī)技术主要应用于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 定位项圈的雌性(cíxìng)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(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(dòngwù)研究所赵海涛

FRID 工具(gōngjù) 图片来源：陕西省动物研究所赵海涛

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(jìshù)的不断进步和红外相机设备的国产化，这种方法已经在国内(guónèi)普及。利用红外相机可以对预设区域(qūyù)实现长期持续观察(guānchá)，从而便于获得(huòdé)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(děng)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(xiàngjī)进行观察具有较好的隐蔽性，可以(kěyǐ)大大降低人为活动对动物的影响。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，且数字化的影像数据便于存储和交流。

图片(túpiàn)来源：参考文献[8]

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

既然(jìrán)数据收集和分析干起来太累，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(yǐjí)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）为代表的深度学习技术在动物识别中取得(qǔde)了(le)(le)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。

利用深度学习技术(jìshù)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(tèzhēngtíqǔ)，并(bìng)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(tígāo)识别(shíbié)性能。此外，CNN 还可以结合(jiéhé)其他神经网络(shénjīngwǎngluò)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(jìyì)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间隔和延迟相对(xiāngduì)较长的重要事件）、GAN 算法（即生成(shēngchéng)对抗网络，由生成网络(Generator)和判别网络(Discriminator)组成；两个网络相互(xiānghù)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(dòngwù)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结果的基础上，利用(lìyòng)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(jīyú) Tri-AI 技术的动物(dòngwù)个体识别系统。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了适用性(shìyòngxìng)验证，平均识别精度达 94.1%。更(gèng)厉害的是，Tri-AI 系统还能兼容夜视影像的分析，实现全天候(quántiānhòu)的动物研究。

Tri-AI 动物个体(gètǐ)识别系统(shíbiéxìtǒng)的工作过程 图片来源：参考文献[11]

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

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(tāmen)还将卫星遥感与深度学习结合进行物种识别，并(bìng)且应用于(yú)羚牛、布氏斑马等野生动物监测，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(pínggū)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(nénggòu)快速准确地分辨出(chū)画面中的监测目标 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(xuéxí)的(de)无人机(wúrénjī)检测方法。利用无人机与 CNN 结合搭建的半自动(bànzìdòng)检测方法，对非洲大草原上的长颈鹿、非洲象等(děng)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，正致力于开发能够解析动态视频数据的 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繁殖计划、进行(jìnxíng)疾病控制、开展动物行为学研究及动物种群(zhǒngqún)预估等，在(zài)未来的精准畜牧养殖、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潜力。

借助该技术，我们甚至可以给动物群体中的每只(zhǐ)动物都赋予明确的身份。设想(shèxiǎng)一下，在(zài)不久的将来，无论是在动物园还是野外，拿起(qǐ)手机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(xīběidàxué)李保国老师团队和陕西省(shǎnxīshěng)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]张丽霞等. 动物(dòngwù)个体识别方法种种(zhǒngzhǒng). 野生动物学报，2015,36（04）：475-478

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

[3]付鑫等(děng). 基于红外相机监测照片对亚洲黑熊的个体识别. 经济(jīngjì)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)野象谷亚洲象个体识别(shíbié)及种群数量特征，2024 ,45 (03)：472 - 479

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

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

[7]刘雪华等. 红外相机技术在(zài)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. 基于图像的濒危动物个体识别研究——以(yǐ)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