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(shuāngtù)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(fāxiàn)，在动物学(dòngwùxué)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(gètǐ)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(yígè)困扰了科学家们近百年(bǎinián)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(nòngqīngchǔ)三个核心问题：1.（这个地方）以前的动物现在还有吗(ma)？2.有多少(duōshǎo)？3.都在哪？

但是，野外的动物们数量稀少且分布广泛，它们(tāmen)可不会(búhuì)老老实实摆好 pose 等你去(qù)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(méi)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(dòngwù)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(zhè)就好比你要了解小明和小强为啥打架，首先得(dé)在一群孩子中认出他俩才行。

比起辨认人类小孩(xiǎohái)，野生动物群体中的个体识别难度要大得多。就拿同(tóng)是灵长类(língzhǎnglèi)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(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。除非长期与它们朝夕相处，否则在野外环境中很难迅速(xùnsù)分辨出不同个体。

猜一猜，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(dòngwù)研究所赵海涛

长期以来，个体识别的数据采集主要(zhǔyào)依靠“一笔(yībǐ)、一本、一望远镜(wàngyuǎnjìng)”，但这种传统(chuántǒng)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(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(yěshēngdòngwù)保护工作的日常(rìcháng) 图片来源：陕西省动物研究所赵海涛

老话说得好：只要肯(kěn)用心，办法总比困难多。

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

第一类，利用动物自身独特的(de)特征(tèzhēng)进行识别，主要包括体型、气味、毛色、花纹(huāwén)、叫声、足迹、DNA 等(děng)。例如在(zài)动物日常饲养工作中，饲养员可以(kěyǐ)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(shùliàng)不多的情况。而在野外，科学家们(men)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(zhèzhǒng)方法成本很高，时效性(shíxiàoxìng)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(de)(de)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(dàxiàng)（G）鼻子上的鼻纹都是其独一无二的典型特征(tèzhēng) 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。常见方法的(de)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(dàishàng)脚环，给老虎(lǎohǔ)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(yǎngzhí)，太过(tàiguò)粗暴，会对动物身心造成伤害(shānghài)，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 RFID）的微电子芯片应用(yìngyòng)较为广泛，它通过电磁场传输数据(chuánshūshùjù)来识别标签中存储的动物个体身份(shēnfèn)信息，以微型(wēixíng)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(tóngshí)识别时效果欠佳。

佩戴 GPS 定位项圈(xiàngquān)的(de)雌性川金丝猴 图片来源：陕西省动物研究所赵海涛

陕西(shǎnxī)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(gōngzuòrényuán)就(jiù)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(shǎnxīshěng)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）来识别动物个体(gètǐ)。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(yǐjīng)在(zài)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(huòdé)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(māokēdòngwù)的行为研究十分困难(shífēnkùnnán)，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(pāishè)到的影像数据(shùjù)更加直观可靠，且数字化的影像数据便于存储(cúnchǔ)和交流。

图片(túpiàn)来源：参考文献[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(jīngyàn)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(zīliào)中获取少量的有效行为数据。面对未标记和识别过的目标(mùbiāo)，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，那能不能让(ràng)机器代劳呢？

近十年来，随着计算机科学和人工智能技术的(de)飞速发展，以及大规模图像数据(shùjù)集的出现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(zài)动物识别(shíbié)中(zhōng)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(dòngwù)个体(gètǐ)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(hēixióng)（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(de)深度学习模型。在 CNN 基础之上，通过对卷积层、池化层、全(quán)连接(liánjiē)层等结构的交替与优化，能够加强对图像的特征提取(tèzhēngtíqǔ)，并(bìng)通过调整网络(wǎngluò)层数加强学习能力，进一步训练计算机(jìsuànjī)提高识别性能。此外，CNN 还可以结合其他(qítā)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(shìjiàn)）、GAN 算法（即生成(shēngchéng)对抗网络，由生成网络(Generator)和判别网络(Discriminator)组成；两个(liǎnggè)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(lǐbó)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(jiéguǒ)的基础上，利用神经网络原理，提出(chū)具有关注机制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(dàibiǎoxìng)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(dá) 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)工作过程 图片来源(láiyuán)：参考文献[11]

当年唐僧要是有(yǒu)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 AI 自动识别了，科学家(kēxuéjiā)们依然没有满足。

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(yú)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(shùjù)对物种死亡率进行调查并评估潜在死亡风险，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)无人机能够快速准确地分辨出画面中的监测目标 图片来源：参考文献(cānkǎowénxiàn)[12]

此外，科学家们还尝试开发基于深度学习的(de)无人机(wúrénjī)检测方法。利用无人机与 CNN 结合搭建(dājiàn)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(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(jìngtài)图像的AI识别，正致力于开发能够解析动态视频数据的 AI 模型了。

如今，借助(jièzhù) AI 技术的深度融合，动物身份识别(shíbié)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)及动物种群预估等，在未来的精准(jīngzhǔn)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潜力。

借助(jièzhù)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的身份。设想一下，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(huì)跳出它们的姓名、性别(xìngbié)、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的难忘体验(tǐyàn)？

感谢西北大学李保国老师团队和陕西省动物研究所(yánjiūsuǒ)赵海涛研究员等诸位师友为撰写本文提供(tígōng)的文献、图片资料和宝贵意见。

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

[2]黄孟选等(děng). RFID技术在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(hóngwài)相机(xiàngjī)监测照片对亚洲黑熊的个体识别. 经济动物学报，2020，24（03）146-152

[4]保明伟等. 野生动物学报，西双版纳野象谷亚洲象(yàzhōuxiàng)个体识别(shíbié)及种群数量特征(tèzhēng)，2024 ,45 (03)：472 - 479

[5]顾佳音. 东北虎(dōngběihǔ)雪地(xuědì)足迹个体识别技术研究. 东北林业大学，2013,06

[6]路红坤. 基于声纹(shēngwén)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监测中(zhōng)的应用及(jí)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个体识别研究——以东北虎和小熊猫(xiǎoxióngmāo)为例. 四川大学(sìchuāndàxué)，2021,06

作者丨李勃 陕西省(shǎnxīshěng)生物农业研究所