配资网平台 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？

“雄兔脚扑朔配资网平台，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，就和大家聊一聊如何进行动物的个体识别。

为啥非得辨雄雌？

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，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，要了解动物的行为习惯和行为背后的动机以及原理，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：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、跋山涉水是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

如何才能辨雄雌？

老话说得好：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，利用动物自身独特的特征进行识别，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（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；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

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。

而利用低频或高频射频识别技术（Radio Frequency Identification，简称 RFID）的微电子芯片应用较为广泛，它通过电磁场传输数据来识别标签中存储的动物个体身份信息，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欠佳。

佩戴 GPS 定位项圈的雌性川金丝猴图片来源：陕西省动物研究所赵海涛

陕西洋县国家自然保护区的每一只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：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，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[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，才能从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”。

AI 也能辨雄雌？

既然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，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，不仅节省了大量人力与时间，更提高了精确度。

利用深度学习技术开展动物个体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，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，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（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间隔和延迟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 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结果的基础上，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。