出品：科普中國

作者：李勃（陜西省生物農(nóng)業(yè)研究所）

監(jiān)制：中國科普博覽

“雄兔腳撲朔，雌兔眼迷離；雙兔傍地走，安能辨我是雄雌？”小時候?qū)W《木蘭辭》，從沒想過辨別動物雄雌是什么難事兒。直到上了大學(xué)開始做科研才發(fā)現(xiàn)，在動物學(xué)領(lǐng)域，這還真是個讓人頭大的問題。

今天，就和大家聊一聊如何進(jìn)行動物的個體識別。

為啥非得辨雄雌？

個體識別是開展動物行為和動物生態(tài)研究的基礎(chǔ)，也是野生動物生態(tài)和保護(hù)研究的關(guān)鍵。但是，如何高效、精準(zhǔn)地識別動物個體卻是一個困擾了科學(xué)家們近百年的難題。

之所以要這樣做，是因?yàn)橄腴_展動物生態(tài)學(xué)研究，就需要弄清楚三個核心問題：1.（這個地方）以前的動物現(xiàn)在還有么？2.有多少？3.都在哪？

但是，野外的動物們數(shù)量稀少且分布廣泛，它們可不會老老實(shí)實(shí)擺好pose等你去找，更不會心甘情愿讓你隨便去窺探它們的私生活——畢竟它們生性警覺、行蹤隱秘，甚至很多還是在夜間才出來活動。要是不幸遇到羚牛、熊、河馬這些脾氣大的家伙，還沒等你認(rèn)出它的雄雌，搞不好它已經(jīng)和你比劃上幾招了。

另外，要了解動物的行為習(xí)慣和行為背后的動機(jī)以及原理，也必須在對動物群體進(jìn)行研究時明確個體身份。這就好比你要了解小明和小強(qiáng)為啥打架，首先得在一群孩子中認(rèn)出他倆才行。

比起辨認(rèn)人類小孩，野生動物群體中的個體識別難度要大得多。就拿同是靈長類的川金絲猴來說，頭部器官分布與人類相似，面部特征是有共性的。但人類面部毛發(fā)稀少，五官特征更加清晰。而猴子面部毛發(fā)濃密，且毛發(fā)區(qū)域相對更明顯，紋理特征更復(fù)雜。除非長期與它們朝夕相處，否則在野外環(huán)境中很難迅速分辨出不同個體。

猜一猜，這些照片里究竟是一個猴還是七個猴？

答案是18只猴！

（圖片來源：陜西省動物研究所 趙海濤）

長期以來，個體識別的數(shù)據(jù)采集主要依靠“一筆、一本、一望遠(yuǎn)鏡”，但這種傳統(tǒng)的人工觀察式記錄非常依賴觀察者自身的經(jīng)驗(yàn)，并極大地受制于天氣、地形等自然條件，數(shù)據(jù)采集的可靠性、效率和連續(xù)性都難以保障。并且，研究過程是十分艱苦和危險(xiǎn)的，對于科學(xué)家們來說，野外的日子真不好過。

分餐露宿、跋山涉水是開展野生動物保護(hù)工作的日常

（圖片來源：陜西省動物研究所 趙海濤）

如何才能辨雄雌？

老話說得好：只要肯用心，辦法總比困難多。

近半個世紀(jì)以來，科學(xué)家們開動腦筋想出了不少方法。簡單來說，大致可分為三類。

第一類，利用動物自身獨(dú)特的特征進(jìn)行識別，主要包括體型、氣味、毛色、花紋、叫聲、足跡、DNA等。例如在動物日常飼養(yǎng)工作中，飼養(yǎng)員可以通過肉眼觀察動物的外貌特征來進(jìn)行個體識別，但這樣的方法需要相關(guān)人員具有豐富的經(jīng)驗(yàn)才行，適用于動物數(shù)量不多的情況。而在野外，科學(xué)家們可以通過收集動物的毛發(fā)、糞便等生物學(xué)樣本提取DNA，利用DNA分子標(biāo)記技術(shù)進(jìn)行鑒別，但是這種方法成本很高，時效性也不強(qiáng)。此外，還可通過在野外觀察動物足跡的形狀、大小、步態(tài)等，來分析動物的物種、體型、性別甚至年齡等信息，但這對于工作人員的專業(yè)知識儲備要求很高，而且主觀誤差也會很大。

金雕（A）的虹膜；戴勝（B）頭上的冠羽；雪豹（C）身上的斑點(diǎn)；大熊貓（D）的聲紋；小熊貓（E）的面部花紋；斑馬（F）身上的條紋；大象（G）鼻子上的鼻紋都是其獨(dú)一無二的典型特征

（圖片來源：趙海濤 齊曉光 蒲志勇 何鑫等提供）

第二類，利用人為標(biāo)記進(jìn)行識別，通過對動物個體施加人工標(biāo)記物來進(jìn)行區(qū)分。常見方法的主要有：環(huán)標(biāo)法、刺紋法、烙印法、染料標(biāo)記法和注入微電子芯片等。例如，可以給鳥類或者家禽帶上腳環(huán)，給老虎或者猴子佩戴項(xiàng)圈，給豬或牛等家畜打上耳標(biāo)等，但這些方法可能會給動物的行動造成不便，并且容易脫落。至于在動物身體上刺紋身或烙印，多見于早期的畜牧養(yǎng)殖，太過粗暴，會對動物身心造成傷害，現(xiàn)在已經(jīng)很少使用了。

而利用低頻或高頻射頻識別技術(shù)（Radio Frequency Identification，簡稱RFID）的微電子芯片應(yīng)用較為廣泛，它通過電磁場傳輸數(shù)據(jù)來識別標(biāo)簽中存儲的動物個體身份信息，以微型芯片的方式附著、粘貼或植入目標(biāo)體內(nèi)。這一技術(shù)主要應(yīng)用于小群居動物個體身份識別，但在多目標(biāo)同時識別時效果欠佳。

佩戴GPS定位項(xiàng)圈的雌性川金絲猴

（圖片來源：陜西省動物研究所 趙海濤）

陜西洋縣國家自然保護(hù)區(qū)的每一只朱鹮出生后都會在腳上佩戴環(huán)標(biāo)，這樣工作人員就能清楚地了解它的詳細(xì)身世信息

（圖片來源：陜西省動物研究所 趙海濤）

FRID工具

（圖片來源：陜西省動物研究所 趙海濤）

第三類，利用紅外相機(jī)拍攝的圖像（或視頻）來識別動物個體。隨著數(shù)碼成像技術(shù)的不斷進(jìn)步和紅外相機(jī)設(shè)備的國產(chǎn)化，這種方法已經(jīng)在國內(nèi)普及。利用紅外相機(jī)可以對預(yù)設(shè)區(qū)域?qū)崿F(xiàn)長期持續(xù)觀察，從而便于獲得那些行蹤隱秘或是夜行性動物的數(shù)據(jù)。例如，感官敏銳、活動隱秘等特點(diǎn)使得大型貓科動物的行為研究十分困難，紅外相機(jī)能捕捉到大量平時無法觀察的直觀信息，為我們了解這些神秘動物貢獻(xiàn)巨大。

其次，使用紅外相機(jī)進(jìn)行觀察具有較好的隱蔽性，可以大大降低人為活動對動物的影響。此外，相比于通過動物痕跡進(jìn)行識別，拍攝到的影像數(shù)據(jù)更加直觀可靠，且數(shù)字化的影像數(shù)據(jù)便于存儲和交流。

圖片來源：參考文獻(xiàn)[8]

然而，布設(shè)大量紅外相機(jī)會產(chǎn)生海量數(shù)據(jù)，即便是有經(jīng)驗(yàn)的科研人員也至少要花費(fèi)4—5個小時，才能從被識別過的個體影像、照片資料中獲取少量的有效行為數(shù)據(jù)。面對未標(biāo)記和識別過的目標(biāo)，科學(xué)家們也只能對這些海量信息“望洋興嘆”。

AI也能辨雄雌？

既然數(shù)據(jù)收集和分析干起來太累，那能不能讓機(jī)器代勞呢？

近十年來，隨著計(jì)算機(jī)科學(xué)和人工智能技術(shù)的飛速發(fā)展，以及大規(guī)模圖像數(shù)據(jù)集的出現(xiàn)和計(jì)算設(shè)備能力的不斷增強(qiáng)，以卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network，CNN）為代表的深度學(xué)習(xí)技術(shù)在動物識別中取得了巨大進(jìn)展?？茖W(xué)家們先后實(shí)現(xiàn)了多種動物在野外條件下的物種識別、數(shù)量統(tǒng)計(jì)、行為檢測、棲息地觀測等智能化、無人化工作，不僅節(jié)省了大量人力與時間，更提高了精確度。

利用深度學(xué)習(xí)技術(shù)開展動物個體識別相關(guān)工作

非洲企鵝（a），斑馬（b）,黑猩猩（c）,家豬（d）,奶牛（e），金錢豹（f），大熊貓（g）,亞洲黑熊（h）

（圖片來源：參考文獻(xiàn)[8]）

CNN是一種學(xué)習(xí)效率很高且易于訓(xùn)練的深度學(xué)習(xí)模型。在CNN基礎(chǔ)之上，通過對卷積層、池化層、全連接層等結(jié)構(gòu)的交替與優(yōu)化，能夠加強(qiáng)對圖像的特征提取，并通過調(diào)整網(wǎng)絡(luò)層數(shù)加強(qiáng)學(xué)習(xí)能力，進(jìn)一步訓(xùn)練計(jì)算機(jī)提高識別性能。此外，CNN還可以結(jié)合其他神經(jīng)網(wǎng)絡(luò)架構(gòu)，如基于循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network, RNN）的LSTM算法（也稱為長短期記憶網(wǎng)絡(luò)，是一種時間遞歸神經(jīng)網(wǎng)絡(luò)，適合于處理和預(yù)測時間序列中間隔和延遲相對較長的重要事件）、GAN算法（即生成對抗網(wǎng)絡(luò)，由生成網(wǎng)絡(luò)(Generator)和判別網(wǎng)絡(luò)(Discriminator)組成；兩個網(wǎng)絡(luò)相互對抗，訓(xùn)練過程中最終的目標(biāo)是生成接近真實(shí)數(shù)據(jù)的樣本）等，增強(qiáng)特征提取能力，進(jìn)一步優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)，提高識別準(zhǔn)確度。

通過CNN進(jìn)行動物識別簡化流程圖

（圖片來源：李勃繪制）

2020年，西北大學(xué)郭松濤團(tuán)隊(duì)在長期對金絲猴群體特征研究結(jié)果的基礎(chǔ)上，利用神經(jīng)網(wǎng)絡(luò)原理，提出具有關(guān)注機(jī)制的深度神經(jīng)網(wǎng)絡(luò)模型，首次開發(fā)出基于 Tri-AI 技術(shù)的動物個體識別系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)了對野生個體的準(zhǔn)確身份識別和連續(xù)跟蹤采樣，目前已在靈長類的41個代表性物種和4種食肉動物群體進(jìn)行了適用性驗(yàn)證，平均識別精度達(dá) 94.1%。更厲害的是，Tri-AI 系統(tǒng)還能兼容夜視影像的分析，實(shí)現(xiàn)全天候的動物研究。

Tri-AI動物個體識別系統(tǒng)的工作過程

（圖片來源：參考文獻(xiàn)[11]）

當(dāng)年唐僧要是有了這套系統(tǒng)，那《西游記》里真假美猴王的故事怕是要改寫了。

辨清雄雌能干啥？

即便猴臉都能靠AI自動識別了，科學(xué)家們依然沒有滿足。

他們還將衛(wèi)星遙感與深度學(xué)習(xí)結(jié)合進(jìn)行物種識別，并且應(yīng)用于羚牛、布氏斑馬等野生動物監(jiān)測，人們可以通過這些衛(wèi)星遙感數(shù)據(jù)對物種死亡率進(jìn)行調(diào)查并評估潛在死亡風(fēng)險(xiǎn)，甚至可以遠(yuǎn)程追蹤威脅野生動物的非法活動。

利用AI技術(shù)無人機(jī)能夠快速準(zhǔn)確地分辨出畫面中的監(jiān)測目標(biāo)

（圖片來源：參考文獻(xiàn)[12]）

此外，科學(xué)家們還嘗試開發(fā)基于深度學(xué)習(xí)的無人機(jī)檢測方法。利用無人機(jī)與CNN結(jié)合搭建的半自動檢測方法，對非洲大草原上的長頸鹿、非洲象等動物進(jìn)行觀測，不僅在效率上有很大提升，精確度也有所提高。另外，科學(xué)家們已不再局限于靜態(tài)圖像的AI識別，正致力于開發(fā)能夠解析動態(tài)視頻數(shù)據(jù)的AI模型了。

如今，借助AI技術(shù)的深度融合，動物身份識別技術(shù)已能實(shí)現(xiàn)對單個動物制定繁殖計(jì)劃、進(jìn)行疾病控制、開展動物行為學(xué)研究及動物種群預(yù)估等，在未來的精準(zhǔn)畜牧養(yǎng)殖、食品安全溯源以及生態(tài)保護(hù)等方面，這類技術(shù)有著巨大的應(yīng)用潛力。

借助該技術(shù)，我們甚至可以給動物群體中的每只動物都賦予明確的身份。設(shè)想一下，在不久的將來，無論是在動物園還是野外，拿起手機(jī)對著活蹦亂跳的動物一掃，屏幕上就會跳出它們的姓名、性別、興趣愛好、家族譜系等，甚至每一個動物的身世傳奇都盡在你的掌中，那將會是一種什么樣的難忘體驗(yàn)？

致謝：

感謝西北大學(xué)李保國老師團(tuán)隊(duì)和陜西省動物研究所趙海濤研究員等諸位師友為撰寫本文提供的文獻(xiàn)、圖片資料和寶貴意見。

參考文獻(xiàn)：

[1]張麗霞等. 動物個體識別方法種種. 野生動物學(xué)報(bào)，2015,36（04）：475-478

[2]黃孟選等. RFID技術(shù)在動物個體行為識別中的應(yīng)用進(jìn)展. 中國家禽，2018，40（22）：39-44

[3]付鑫等. 基于紅外相機(jī)監(jiān)測照片對亞洲黑熊的個體識別. 經(jīng)濟(jì)動物學(xué)報(bào)，2020，24（03）146-152

[4]保明偉等. 野生動物學(xué)報(bào)，西雙版納野象谷亞洲象個體識別及種群數(shù)量特征，2024 ,45 (03)：472 - 479

[5]顧佳音. 東北虎雪地足跡個體識別技術(shù)研究. 東北林業(yè)大學(xué)，2013,06

[6]路紅坤. 基于聲紋的大熊貓個體識別系統(tǒng)分析與研究. 電子科技大學(xué)，2019.06

[7]劉雪華等. 紅外相機(jī)技術(shù)在物種監(jiān)測中的應(yīng)用及數(shù)據(jù)挖掘. 生物多樣性,2018，26(8)：850-861

[8]劉寧. 基于圖像的瀕危動物個體識別研究——以東北虎和小熊貓為例. 四川大學(xué)，2021,06

[9]Mohammed S. N. et.al. Automatically identifying, counting, and describing wild animals in camera-trap images with deep learning. PNAS，2018，115( 25) :E5716－E5725．

[10]Primoz Ravbar. An Automatic Behavior Recognition System classifies animal behaviors using movements and their temporal context. Journal of Neuroscience Methods，2019，326: 108352．

[11]Songtao Guo et.al. Automatic identification of individual primates with deep learning techniques. iScience，2020，23( 8) : 101412

[12]Jasper A. J. Eikelboom et.al. Improving the precision and accuracy of animal population estimates with aerial image object detection. Methods in Ecology and Evolution，2019，10( 11) : 1875 － 1887．

來源: 中國科普博覽

內(nèi)容資源由項(xiàng)目單位提供