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(cí)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(shàng)了大学开始做科研才发现，在动物学领域，这还真是(zhēnshì)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。

个体识别是开展动物(dòngwù)行为和(hé)动物生态研究的(de)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研究(yánjiū)，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吗？2.有多少？3.都(dōu)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 等你去找，更不会心甘情愿让你随便去窥探(kuītàn)它们的私生活——毕竟它们生性警觉、行踪(xíngzōng)隐秘，甚至很多还是在夜间才出来活动。要是(yàoshì)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(yǐjīng)和(hé)你比划上几招了。

另外，要了解动物的行为习惯和(hé)行为背后的动机以及(yǐjí)原理，也必须在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(tāliǎ)才行。

比起(bǐqǐ)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，面部特征是有(yǒu)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，纹理特征更复杂。除非长期与它们朝夕相处，否则在(zài)野外(yěwài)环境中很难迅速分辨出(chū)不同个体。

猜一猜，这些照片里究竟是一个猴还是七个猴？答案是 18 只猴！图片来源(láiyuán)：陕西省动物研究所(yánjiūsuǒ)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式记录非常(fēicháng)依赖观察者自身的经验，并极大地受制于天气(tiānqì)、地形等自然条件，数据采集的可靠性、效率(xiàolǜ)和(hé)连续性都难以保障(bǎozhàng)。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(bǎohù)工作的日常 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，办法总比困难(kùnnán)多。

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

第一类，利用动物自身独特的(de)特征进行(jìnxíng)识别，主要包括体型、气味、毛色(máosè)、花纹、叫声、足迹、DNA 等(děng)。例如在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(yěwài)，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(fènzǐ)标记技术进行鉴别，但是这种方法成本很高，时效性也(yě)不强。此外，还(hái)可通过在野外观察动物足迹的形状(xíngzhuàng)、大小、步态等，来分析动物的物种(wùzhǒng)、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）的虹膜；戴胜(dàishèng)（B）头上的冠羽；雪豹（C）身上的斑点；大熊猫(dàxióngmāo)（D）的声纹(shēngwén)；小熊猫（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 图片来源：赵海涛 齐晓光蒲志勇何鑫等提供(tígōng)

第二类，利用人为标记进行识别，通过对动物个体(gètǐ)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(làoyìn)法、染料标记法和注入微电子芯片等。例如，可以给(gěi)鸟类或(huò)者家禽带上脚环，给老虎或者猴子佩戴项圈，给猪或牛(niú)等家畜打上耳标等，但这些方法可能(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(le)。

而利用低频或(huò)高频射频识别技术（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(chuánshūshùjù)来(lái)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(xiàoguǒ)欠佳。

佩戴 GPS 定位项圈的雌性川金丝猴(jīnsīhóu) 图片来源(láiyuán)：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出生后都会在脚上佩戴环标(huánbiāo)，这样工作人员就(jiù)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(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(de)图像(túxiàng)（或视频）来识别动物个体。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)，这种方法已经在国内普及。利用红外相机可以(kěyǐ)对预设区域实现长期(chángqī)持续观察，从而便于获得那些行踪隐秘(yǐnmì)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(wǒmen)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(de)隐蔽性，可以大大降低人为活动对(duì)动物的影响(yǐngxiǎng)。此外，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可靠，且数字化的影像数据便于存储和交流。

图片来源：参考文献(cānkǎowénxiàn)[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，才能(cáinéng)从被识别(shíbié)过的个体影像、照片资料中获取少量(shǎoliàng)的有效行为数据。面对未标记和(hé)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(bùnéng)让机器代劳呢？

近十年来，随着计算机科学和人工智能技术(jìshù)的飞速发展，以及大规模图像数据(shùjù)集的出现(chūxiàn)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了巨大进展。科学家们先后实现了多种动物在野外条件下(xià)的物种识别、数量(shùliàng)统计、行为检测、栖息地观测等(děng)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。

利用深度(shēndù)学习技术(jìshù)开展动物个体(gètǐ)识别相关工作 非洲企鹅（a），斑马（b）,黑猩猩（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[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)对卷积层、池化层、全(quán)连接层等(děng)结构的交替与优化，能够加强对图像的特征提取(tèzhēngtíqǔ)，并通过调整网络层(wǎngluòcéng)数加强学习能力，进一步训练计算机提高识别性能。此外，CNN 还可以结合其他神经网络架构，如基于循环(xúnhuán)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，适合于处理和预测(yùcè)时间序列中间隔和延迟相对较长的重要(zhòngyào)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(zēngqiáng)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 图片来源：李勃(lǐbó)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(tíchū)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(jìshù)的动物(dòngwù)个体识别系统。该系统实现(shíxiàn)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(wùzhǒng)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，实现全天候的动物研究。

Tri-AI 动物(dòngwù)个体识别系统的(de)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(xìtǒng)，那《西游记》里真假美猴王的故事怕是要改写(gǎixiě)了。

即便猴脸都能靠 AI 自动识别了，科学家们依然没有满足(mǎnzú)。

他们还将卫星遥感与深度学习结合进行(jìnxíng)物种识别，并且应用于羚牛、布氏斑马等野生动物监测，人们可以通过(tōngguò)这些卫星遥感数据(shùjù)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(fēifǎhuódòng)。

利用 AI 技术无人机(wúrénjī)能够快速准确地分辨出画面(huàmiàn)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，对非洲大草原上的长颈鹿、非洲象(xiàng)等动物进行观测(guāncè)，不仅在效率上有(yǒu)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(shìpín)数据的 AI 模型了。

如今，借助 AI 技术(jìshù)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(zhè)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(de)(de)每只动物都赋予(fùyǔ)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，拿起手机对着活蹦乱跳的动物一扫，屏幕上(shàng)就会跳出它们的姓名、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(nǐ)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陕西省动物研究所赵海涛(zhàohǎitāo)研究员等诸位师友(shīyǒu)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(gètǐ)识别方法种种. 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识别中(zhōng)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(xiàngjī)监测照片对亚洲(yàzhōu)黑熊的个体识别. 经济动物学报，2020，24（03）146-152

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

[5]顾佳音. 东北虎雪地足迹个体(gètǐ)识别技术研究. 东北林业大学(línyèdàxué)，2013,06

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

[7]刘雪华(liúxuěhuá)等. 红外相机技术(jìshù)在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. 基于图像的濒危动物个体识别研究(yánjiū)——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(nóngyè)研究所