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难事儿(shìér)。直到上了大学(dàxué)开始做科研(kēyán)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(jìnxíng)动物的个体识别。

个体识别是(shì)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(yígè)困扰了科学家们近百年的难题。

之所以(zhīsuǒyǐ)要这样做，是因为想开展动物(dòngwù)生态学研究(yánjiū)，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(de)动物们数量稀少且分布广泛，它们(tāmen)可不会老老实实摆好 pose 等你去找，更不会心甘情愿让(ràng)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(zhèxiē)脾气大的家伙，还没等你认出它的雄雌(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(hé)(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，首先得在一群孩子中(zhōng)认出他俩才行。

比起辨认人类(rénlèi)小孩，野生动物群体中(zhōng)的(de)个体识别难度要(yào)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(bùtóng)个体。

猜一猜，这些(zhèxiē)照片里究竟是一个猴(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(shùjù)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(jìlù)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(xiàolǜ)和连续性都(dōu)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(zhēn)不好过。

分餐(fēncān)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：陕西省动物研究所赵海涛

老话说得好：只要肯用心，办法总比困难(kùnnán)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(lìyòng)动物自身独特的(de)特征进行(jìnxíng)识别，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(tōngguò)肉眼观察动物的外貌特征来进行个体识别，但这(zhè)样的方法(fāngfǎ)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(hěn)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(duìyú)工作人员的专业知识(zhuānyèzhīshí)储备要求很高，而且主观误差也会很大。

金雕(jīndiāo)（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(miànbù)花纹(huāwén)；斑马（F）身上的条纹；大象（G）鼻子上的鼻纹都是其(qí)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(dòngwù)个体施加人工标记物来进行区分。常见(chángjiàn)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(wēidiànzi)芯片等(děng)。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(huì)给动物的行动造成不便，并且容易脱落(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(shēnxīn)造成伤害，现在已经很少使用了。

而利用低频或高频射频(shèpín)识别技术（Radio Frequency Identification，简称 RFID）的微电子芯片应用较为广泛，它(tā)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(yǐ)微型芯片的方式附着、粘贴或植入目标体内(tǐnèi)。这一技术主要应用于小群居动物(qúnjūdòngwù)个体身份识别，但在多目标同时识别时效果欠佳(qiànjiā)。

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

陕西洋县国家(guójiā)自然保护区的每一只朱鹮出生后都会(huì)在脚上佩戴环标，这样工作人员就能清楚地了解它的详细身世信息 图片来源(láiyuán)：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(zhàohǎitāo)

第三类，利用红外相机拍摄的(de)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(yùshè)区域实现长期持续观察，从而便于(biànyú)获得那些行踪隐秘或是夜行性动物的数据。例如，感官(gǎnguān)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(píngshí)无法观察的直观(zhíguān)信息，为我们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(guānchá)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(shíbié)，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(láiyuán)：参考文献[8]

然而，布设大量(dàliàng)红外相机会(jīhuì)产生海量数据，即便是有(yǒu)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(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”。

既然数据收集和分析干起来太累，那能不能(bùnéng)让机器代劳呢？

近十年来，随着计算机科学和(hé)人工智能技术的飞速发展，以及大规模图像(túxiàng)数据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(wèi)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(xíngwéi)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(yǔ)时间，更提高了精确度。

利用深度学习技术开展(kāizhǎn)动物个体(gètǐ)识别相关(xiāngguān)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(yīzhǒng)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(tōngguò)对卷积层、池化层、全连接层等结构的交替与优化，能够加强(jiāqiáng)(jiāqiáng)对图像(túxiàng)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(dìguī)神经网络，适合于处理和预测时间序列中(zhōng)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(yóu)生成网络(Generator)和判别网络(Discriminator)组成；两个网络相互(xiānghù)对抗，训练过程中最终的目标是生成接近真实(zhēnshí)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(dòngwù)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(jīnsīhóu)群体特征研究结果的(de)基础上，利用(lìyòng)神经网络原理，提出具有(jùyǒu)关注机制的深度神经网络模型，首次(shǒucì)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(yǐ)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(shì)，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)工作过程 图片来源(láiyuán)：参考文献[11]

当年唐僧要(yào)是有(yǒu)了这套系统，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，科学家们依然没有(méiyǒu)满足。

他们还将卫星遥感与深度(shēndù)学习结合进行物种识别(shíbié)，并且应用于羚牛、布氏斑马等野生动物监测，人们(rénmen)可以通过这些卫星遥感数据对物种死亡率进行调查并评估潜在死亡风险，甚至可以远程追踪(zhuīzōng)威胁野生动物的非法活动。

利用 AI 技术无人机能够(nénggòu)快速准确地分辨出画面中(zhōng)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(wúrénjī)检测方法(fāngfǎ)。利用无人机与 CNN 结合搭建的半自动检测方法，对非洲(fēizhōu)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(zhìlìyú)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(dòngwù)身份(shēnfèn)识别技术已能实现对单个动物制定繁殖计划、进行(jìnxíng)疾病控制、开展动物行为学研究及动物种群预估等，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(yǒuzhe)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(de)每只动物都赋予明确的身份。设想一下，在不久(bùjiǔ)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(xìngqùàihào)、家族谱系等，甚至每一个动物的身世传奇都尽在你的掌中(zhǎngzhōng)，那将会是一种什么样的难忘体验？

感谢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(wénxiàn)、图片资料和宝贵意见。

[1]张丽霞等(děng). 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(xíngwéi)识别中的应用进展. 中国家禽，2018，40（22）：39-44

[3]付鑫等. 基于红外相机监测照片对亚洲黑熊的(de)个体识别(shíbié). 经济动物学报，2020，24（03）146-152

[4]保明伟等. 野生动物学报，西双版纳(xīshuāngbǎnnà)野象谷亚洲象(yàzhōuxiàng)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与(yǔ)研究. 电子科技大学(dàxué)，2019.06

[7]刘雪华等. 红外相机技术(jìshù)在物种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(liúníng). 基于图像(túxiàng)的濒危动物个体识别研究——以东北虎和小熊猫为例. 四川大学，2021,06

作者丨(gǔn)李勃 陕西省生物农业研究所