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(biànbié)动物雄雌是什么难(nán)事儿。直到(zhídào)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(dàjiā)聊一聊如何进行动物的个体识别。

个体识别(shíbié)(shíbié)是开展动物(dòngwù)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(wèntí)：1.（这个地方）以前的动物现在还有(yǒu)吗？2.有多少？3.都(dōu)在哪？

但是，野外的动物们数量稀少(xīshǎo)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(jǐngjué)、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(píqì)大的家伙，还没等你认出(rènchū)它的雄雌(cí)，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(duì)动物群体进行研究时(shí)明确个体(gètǐ)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(xiǎohái)，野生动物群体中(zhōng)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(tèzhēng)是有共性的。但人类面部毛发稀少，五官特征更加清晰(qīngxī)。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(tāmen)朝夕相处，否则在野外环境中很难迅速分辨出不同个体。

猜(cāi)一猜，这些照片里究竟是(shì)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(cǎijí)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(dìxíng)等自然(zìrán)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(men)来说(láishuō)，野外的日子真不好过。

分餐露宿、跋山涉水(báshānshèshuǐ)是开展野生动物保护工作的日常 图片来源：陕西省(shǎnxīshěng)动物研究所赵海涛

老话说得好：只要肯用心(yòngxīn)，办法总比困难多。

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

第一类，利用动物自身独特的(de)(de)特征(tèzhēng)进行识别(shíbié)(shíbié)，主要包括体型(tǐxíng)、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(fāngfǎ)需要相关人员具有丰富(fēngfù)的经验才行，适用于动物数量不多(bùduō)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(huì)很大。

金雕（A）的虹膜；戴胜（B）头上的冠羽；雪豹（C）身上(shēnshàng)的斑点；大熊猫（D）的声纹；小熊猫（E）的面部花纹(huāwén)；斑马(bānmǎ)（F）身上的条纹(tiáowén)；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(lìyòng)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(fāngfǎ)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(huòzhě)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(zhèxiē)方法可能会(huì)给动物的行动造成(zàochéng)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(xiànzài)已经很少使用了。

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(xìnxī)，以微型芯片的方式(fāngshì)附着、粘贴或植入目标体内。这一技术主要应用于小(xiǎo)群居动物(qúnjūdòngwù)个体身份识别，但在多目标同时(shí)识别时效果欠佳。

佩戴 GPS 定位项圈的雌性川金丝猴(jīnsīhóu) 图片(túpiàn)来源：陕西省动物研究所赵海涛

陕西洋县(yángxiàn)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(xiángxì)身世信息(xìnxī) 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(dòngwù)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(kěyǐ)对预设区域实现长期持续观察，从而便于获得那些(nàxiē)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(bǔzhuōdào)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(jùdà)。

其次，使用红外相机进行观察具有较好的隐蔽性，可以(kěyǐ)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，拍摄到的影像(yǐngxiàng)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(bùshè)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，才能从被识别(shíbié)过的个体影像、照片资料中获取少量的有效行为数据。面对(duì)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”。

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(lái)，随着计算机科学和人工智能技术的飞速发展，以(yǐ)及大规模图像数据(shùjù)集的出现和计算设备能力(nénglì)的不断(bùduàn)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(shùliàng)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(dàliàng)人力与时间，更提高了精确度。

利用深度学习技术开展(kāizhǎn)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(jīnqiánbào)（f），大熊猫（g）,亚洲黑熊（h）图片来源：参考文献(cānkǎowénxiàn)[8]

CNN 是一种学习效率很高且易于训练(xùnliàn)的(de)深度(shēndù)学习模型。在 CNN 基础之上，通过对(duì)卷积层、池化层、全连接层等结构的交替与优化，能够加强(jiāqiáng)对图像的特征提取，并(bìng)通过调整(tiáozhěng)网络层(wǎngluòcéng)数加强学习能力(nénglì)，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，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(duìkàng)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(zhǔnquèdù)。

通过 CNN 进行动物识别(shíbié)简化流程图 图片来源：李勃绘制

2020 年，西北大学(xīběidàxué)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(jīchǔ)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(móxíng)，首次开发出基于 Tri-AI 技术的动物个体识别(shíbié)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(gèng)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(shíbiéxìtǒng)的工作(gōngzuò)过程 图片来源：参考文献[11]

当年唐僧(tángsēng)要是有了这套系统，那《西游记》里(lǐ)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(yáogǎn)与深度(shēndù)学习结合进行物种识别，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(zhèxiē)卫星遥感数据对物种死亡(sǐwáng)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。

利用 AI 技术无人机能够快速准确(zhǔnquè)地分辨(fēnbiàn)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(hái)尝试开发基于深度学习的(de)(de)无人机检测方法。利用(lìyòng)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，正致力于开发能够解析动态视频数据的 AI 模型(móxíng)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动物制定繁殖计划、进行疾病控制、开展动物行为学研究(yánjiū)及动物种群(zhǒngqún)预估等，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，这类技术有着巨大的应用(yìngyòng)潜力(qiánlì)。

借助该技术，我们甚至可以给动物群体中的(de)每只动物都赋予明确(míngquè)的身份。设想一下，在不久的将来，无论是在动物园还是(háishì)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(yīzhǒng)什么样(shénmeyàng)的难忘体验？

感谢(gǎnxiè)西北大学李保国老师团队(tuánduì)和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。

[1]张丽霞(zhānglìxiá)等. 动物个体识别方法(shíbiéfāngfǎ)种种. 野生动物学报，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(de)应用进展. 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(děng). 野生动物学报，西双版纳野象谷(gǔ)亚洲象个体识别(shíbié)及种群数量特征，2024 ,45 (03)：472 - 479

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

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

[7]刘雪华等. 红外相机技术在物种(wùzhǒng)监测中的应用及数据挖掘. 生物(shēngwù)多样性,2018，26(8)：850-861

[8]刘宁. 基于图像的濒危动物个体(gètǐ)识别(shíbié)研究——以东北虎和小熊猫为例. 四川大学，2021,06

作者丨李勃 陕西省生物(shēngwù)农业研究所