速看！南昌舰以一敌二，逼退外舰详情首曝光

“雄兔脚扑朔，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(shénme)难事儿。直到上了大学开始做科研才(cái)发现，在(zài)动物学领域，这还真是个让人头大的问题。

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(shì)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(kēxuéjiā)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，就需要(xūyào)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(dōu)在哪？

但是，野外的动物们数量(shùliàng)稀少(xīshǎo)且分布广泛，它们可不会老老实实摆好 pose 等你去找(zhǎo)，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(língniú)、熊、河马这些脾气大的家伙(jiāhuo)，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(hé)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(háizi)中认出他俩(tāliǎ)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(shì)灵长类的川金丝猴来说，头部器官(qìguān)分布与人类相似，面部(miànbù)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(nóngmì)，且毛发区域相对(xiāngduì)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(jiūjìng)是一个猴还是七个猴？答案是 18 只猴！图片来源(láiyuán)：陕西省动物研究所赵海涛

长期以来，个体识别的(de)数据采集主要依靠“一(yī)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。并且，研究过程是十分艰苦(jiānkǔ)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(báshānshèshuǐ)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(yánjiūsuǒ)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，科学家们开动脑筋(kāidòngnǎojīn)想出了不少方法。简单来说，大致可(kě)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(máosè)、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(dàn)(dàn)这样的方法需要相关人员(rényuán)具有丰富的经验才行，适用(shìyòng)于动物数量不多的情况。而在野外(yěwài)(yěwài)，科学家们(men)可以通过收集动物的毛发、粪便等生物学样本(yàngběn)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(yāoqiú)很高，而且主观误差也会很大。

金雕（A）的(de)(de)虹膜；戴胜(dàishèng)（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(huāwén)；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(děng)。例如，可以给(gěi)鸟类或者家禽带上(dàishàng)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(zàochéng)不便，并且容易脱落(tuōluò)。至于在动物身体上刺纹身(wénshēn)或烙印，多见于早期的畜牧养殖，太过(tàiguò)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(gāopín)射频识别技术（Radio Frequency Identification，简称(jiǎnchēng) RFID）的微电子芯片应用较为广泛，它通过电磁场(diàncíchǎng)传输数据(chuánshūshùjù)来(lái)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(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 GPS 定位项圈(xiàngquān)的雌性川金丝猴 图片来源：陕西省动物(dòngwù)研究所赵海涛

陕西洋县国家自然保护区的每一只朱鹮(zhūhuán)出生(chūshēng)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(shǎnxīshěng)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(hóngwài)相机拍摄的图像（或视频）来识别动物(dòngwù)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(pǔjí)。利用红外相机可以对(duì)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(mǐnruì)、活动隐秘等特点使得大型猫科动物的行为研究(yánjiū)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隐蔽性，可以大大降低人为(rénwéi)活动对动物的影响。此外(cǐwài)，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(jīhuì)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(huòqǔ)少量的有效行为数据。面对未标记和识别过的目标，科学家(kēxuéjiā)们(men)也只能对这些海量信息“望洋兴叹”。

既然数据收集和(hé)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(shēndù)学习技术在(zài)动物识别中取得了(le)巨大进展。科学家们(men)先后(xiānhòu)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(jiéshěng)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(gètǐ)识别相关工作 非洲(fēizhōu)企鹅（a），斑马（b）,黑猩猩（c）,家猪（d）,奶牛（e），金钱豹（f），大熊猫(dàxióngmāo)（g）,亚洲黑熊（h）图片来源：参考文献[8]

CNN 是(shì)一种学习效率很高且易于训练的(de)(de)深度学习模型。在 CNN 基础之上，通过(tōngguò)对卷积(juǎnjī)层、池化层、全连接(liánjiē)层等结构的交替与优化(yōuhuà)，能够加强对图像的特征提取，并通过调整网络层数(shù)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(shénjīngwǎngluò)架构(jiàgòu)，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(tōngguò) 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(duì)金丝猴群体(qúntǐ)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(jīzhì)的深度神经网络模型，首次开发出基于(jīyú) Tri-AI 技术的动物个体识别(shíbié)系统。该系统实现了(le)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(píngjūn)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(de)工作(gōngzuò)过程 图片来源：参考文献[11]

当年唐僧要是有了(le)(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 AI 自动识别了，科学家们依然(yīrán)没有满足。

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，人们可以通过这些卫星遥感数据对(duì)物种死亡率进行调查并评估(pínggū)潜在死亡风险，甚至(shènzhì)可以远程追踪威胁野生动物的非法活动。

利用 AI 技术(jìshù)无人机能够(nénggòu)快速准确地分辨出画面中的监测目标 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的无人机检测方法。利用无人机与 CNN 结合搭建的半自动检测方法，对非洲大草原上的长颈鹿、非洲象(xiàng)等动物进行观测，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(zhìlìyú)开发能够解析(jiěxī)动态视频(shìpín)数据的 AI 模型了(le)。

如今，借助 AI 技术的深度融合，动物身份(shēnfèn)识别技术已能实现对单个动物制定繁殖计划、进行疾病(jíbìng)控制、开展动物行为学研究及动物种群预估等，在(zài)未来的精准畜牧养殖、食品安全(shípǐnānquán)溯源以及生态保护等方面，这类技术有着巨大的应用潜力。

借助该技术，我们甚至(shènzhì)可以给动物群体中的每只动物都赋予明确的身份。设想一下，在不久的将来，无论是(shì)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(huì)跳出它们的姓名(xìngmíng)、性别、兴趣爱好、家族谱系(pǔxì)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？

感谢西北大学李(lǐ)保国老师团队和陕西省动物研究所赵海涛研究员等(děng)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(děng). 动物个体识别方法种种. 野生动物学报(xuébào)，2015,36（04）：475-478

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

[3]付鑫等. 基于红外相机监测照片对亚洲黑熊(hēixióng)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，西双版纳野象(yěxiàng)谷亚洲象个体(gètǐ)识别及种群(zhǒngqún)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(shíbié)系统分析与(yǔ)研究. 电子科技大学，2019.06

[7]刘雪华(liúxuěhuá)等. 红外(hóngwài)相机技术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(bīnwēidòngwù)个体识别研究——以东北虎和(hé)小熊猫为例. 四川大学，2021,06

作者(zuòzhě)丨李勃 陕西省生物农业研究所