速看！南昌舰以一敌二，逼退外舰详情首曝光

“雄(xióng)兔脚扑朔(pūshuò)，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(zuò)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(hé)动物生态(shēngtài)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(zuò)，是因为想开展动物生态学研究(yánjiū)，就需要弄清楚三个核心(héxīn)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(dòngwù)们(men)数量稀少且分布广泛(guǎngfàn)，它(tā)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(shēngxìng)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(yào)了解动物的行为习惯和行为背后的动机以及原理(yuánlǐ)，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(zhōng)认出他俩才行。

比起辨认(biànrèn)人类小孩，野生动物群体中的个体识别难度要大得多(dàdéduō)。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(tèzhēng)是有共性的。但人类面部毛发稀少，五官特征更(gèng)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(chū)不同个体。

猜一猜，这些照片(zhàopiān)里究竟是一个猴(hóu)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(shì)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(bǎozhàng)。并且(bìngqiě)，研究过程是十分(shífēn)艰苦和危险的，对于科学家们来说(láishuō)，野外的日子真不好过。

分餐露宿、跋山涉水(báshānshèshuǐ)是开展野生动物(dòngwù)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：只要(zhǐyào)肯用心，办法总比困难多。

近半个世纪以来，科学家(kēxuéjiā)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(dòngwù)自身独特的(de)特征进行(jìnxíng)(jìnxíng)识别，主要包括体型、气味、毛色(máosè)、花纹(huāwén)、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(lái)进行个体识别，但这样(zhèyàng)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(cǐwài)，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）的虹膜；戴胜(dàishèng)（B）头上(tóushàng)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(héxīn)等(děng)提供

第二类，利用人为标记进行识别，通过对动物(dòngwù)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(cìwénfǎ)、烙印法、染料标记法和注入(zhùrù)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(bìngqiě)容易脱落(tuōluò)。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(shǐyòng)了(le)。

而利用低频或(huò)高频射频识别(shíbié)技术（Radio Frequency Identification，简称 RFID）的(de)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(zhōng)存储的动物个体身份信息，以微型芯片的方式附着(fùzhuó)、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(shí)识别时效果欠佳。

佩戴(pèidài) GPS 定位项圈的雌性川金丝猴(jīnsīhóu) 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(huì)在脚上佩戴环标，这样工作人员(gōngzuòrényuán)就能(néng)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(láiyuán)：陕西省动物研究所赵海涛

第三类，利用红外相机拍摄(pāishè)的(de)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(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(mǐnruì)、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(shénmì)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(dòngwù)的影响。此外，相比于通过动物痕迹进行识别，拍摄(pāishè)到的影像数据更加直观可靠，且数字化的影像数据便于(biànyú)存储和交流。

图片来源(láiyuán)：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(de)科研人员也至少要花费 4 到 5 个小时(xiǎoshí)，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(wèi)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”。

既然数据收集和分析干起来(qǐlái)太累，那能不能让机器代劳呢？

近十年来(lái)，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(túxiàng)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(shénjīngwǎngluò)（convolutional neural network，CNN）为代表的深度学习技术在动物识别中取得了(le)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(qīxīdì)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(fēizhōu)企鹅（a），斑马(bānmǎ)（b）,黑猩猩（c）,家猪（d）,奶牛（e），金钱豹（f），大熊猫（g）,亚洲黑熊(hēixióng)（h）图片来源：参考文献[8]

CNN 是一种学习效率很高且(gāoqiě)易于训练的深度(shēndù)学习模型。在 CNN 基础之上，通过(tōngguò)(tōngguò)对卷积层、池化层、全连接层等结构的交替与优化(yōuhuà)，能够加强对图像的特征提取，并通过调整网络(wǎngluò)层数加强学习能力，进一步训练计算机提高识别性能(xìngnéng)。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(dìguī)神经网络，适合于处理和(hé)预测时间序列中间隔和延迟相对较长(jiàozhǎng)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(guòchéng)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)(de)基础上(shàng)，利用(lìyòng)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。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(shíròudòngwù)群体进行了适用性验证(yànzhèng)，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 动物个体识别系统的工作过程 图片(túpiàn)来源(láiyuán)：参考文献[11]

当年(dāngnián)唐僧要是有了(le)这套系统，那《西游记》里真假美猴王的故事怕是要改写了。

即便猴脸都能靠(kào) AI 自动识别了，科学家们依然没有满足。

他们还将卫星遥感与深度学习结合进行物种(wùzhǒng)识别，并且应用于羚牛、布氏(bùshì)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(diàochá)并评估潜在(qiánzài)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 技术无人机能够快速准确地分辨(fēnbiàn)出画面中的(de)监测目标 图片来源：参考文献[12]

此外，科学家们还尝试开发(kāifā)基于深度学习的(de)无人机检测方法。利用无人机与 CNN 结合搭建的半自动检测方法，对非洲大草原上(shàng)的长颈鹿、非洲象等动物进行观测(guāncè)，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(jiěxī)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(dāngè)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，在未来(wèilái)的精准畜牧养殖(yǎngzhí)、食品安全溯源以及生态保护等方面(fāngmiàn)，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(de)每只动物都赋予(fùyǔ)明确的身份。设想一下(yīxià)，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的掌中，那将会是一种什么样(shénmeyàng)的难忘(nánwàng)体验？

感谢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(bǎoguìyìjiàn)。

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

[2]黄孟选等. RFID技术在(zài)动物个体行为识别中的应用进展. 中国家禽(jiāqín)，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. 经济动物学报(bào)，2020，24（03）146-152

[4]保明伟(bǎomíngwěi)等. 野生动物学报(xuébào)，西双版纳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(gètǐ)识别技术研究. 东北林业大学，2013,06

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

[7]刘雪华等(děng). 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(jīyú)图像的濒危动物个体识别研究——以东北虎(dōngběihǔ)和小熊猫为例. 四川大学，2021,06

作者丨李勃 陕西省生物(shēngwù)农业研究所