速看！南昌舰以一敌二，逼退外舰详情首曝光

“雄(xióng)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)。直到上了大学开始做科研才发现，在动物学领域，这还真是(zhēnshì)个让人头大的问题。

今天，就和大家聊一聊如何进行动物的个体(gètǐ)识别。

个体(gètǐ)识别是开展(kāizhǎn)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们近(jìn)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(de)动物现在还有(yǒu)吗？2.有多少？3.都在哪？

但是，野外的动物们数量稀少且分布广泛，它们可不会老老实实摆好 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(shēngxìng)警觉、行踪(xíngzōng)隐秘，甚至很多(hěnduō)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，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(zài)对动物群体进行研究时明确(míngquè)个体身份。这(zhè)就好比你要了解小明和小强为啥打架，首先得在一群孩子中认出他俩才行。

比起辨认人类(rénlèi)小孩，野生动物群体中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(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(hóuzi)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(yěwài)环境中很(hěn)难迅速分辨出不同个体。

猜一(yī)猜，这些照片里究竟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，个体识别的数据采集主要依靠“一笔(yībǐ)、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(tiáojiàn)，数据采集的可靠性、效率和连续性(liánxùxìng)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(kēxuéjiā)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：只要肯用心，办法总比(bǐ)困难多。

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

第一类，利用动物自身(zìshēn)独特的特征(tèzhēng)进行识别，主要包括体型、气味、毛色、花纹、叫声、足迹、DNA 等(děng)。例如在动物日常饲养工作中，饲养员可以(kěyǐ)通过肉眼观察(guānchá)动物的外貌特征来(lái)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(dànshì)这种方法成本很高(gāo)，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，而且主观误差也会很大。

金雕(jīndiāo)（A）的虹膜；戴胜（B）头上(shàng)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)等提供(tígōng)

第二类，利用人为标记(biāojì)进行(jìnxíng)识别，通过对(duì)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，可以给鸟类或者家禽带上脚环，给老虎或者猴子佩戴项圈(xiàngquān)，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。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(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(lìyòng)低频或高频射频识别技术（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(chuánshūshùjù)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(dàn)在多目标同时识别时效果(xiàoguǒ)欠佳。

佩戴 GPS 定位(dìngwèi)项圈(xiàngquān)的雌性川金丝猴 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(zhūhuán)出生后都会在脚上佩戴环标，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(túpiàn)来源：陕西省动物研究所赵海涛

第三类，利用红外相机(xiàngjī)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(bùduànjìnbù)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(yèxíng)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，红外相机能捕捉到大量(dàliàng)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(gòngxiàn)巨大。

其次，使用红外相机进行(jìnxíng)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(shíbié)，拍摄到的影像数据更加直观(zhíguān)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(kēyánrényuán)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(zhàopiān)资料中获取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，那能不能让机器代劳呢(ne)？

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(dàguīmó)图像(túxiàng)数据集的出现和计算设备(shèbèi)能力的不断(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(zài)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(jīngquèdù)。

利用深度学习技术开展动物个体识别相关(xiāngguān)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（h）图片来源：参考文献[8]

CNN 是一种(yīzhǒng)学习(xuéxí)效率很高且易于训练的(de)(de)深度学习模型。在 CNN 基础之上，通过对卷积层、池化层、全连接层等结构的交替与优化，能够加强对图像的特征提取，并通过调整网络(wǎngluò)(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(cǐwài)，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(chángduǎnqī)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(yánchí)相对较长的重要事件）、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，训练过程中最终(zuìzhōng)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金丝猴群体特征研究结果(jiéguǒ)的基础上(shàng)，利用神经网络原理，提出(tíchū)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(cǎiyàng)，目前已(yǐ)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，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(guòchéng) 图片(túpiàn)来源：参考文献[11]

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

即便猴脸(hóuliǎn)都能靠 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(xuéxí)结合进行物种识别，并且应用于羚牛、布氏斑马等野生动物(yěshēngdòngwù)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并评估潜在死亡风险，甚至可以远程追踪(zhuīzōng)威胁(wēixié)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出画面中(zhōng)的监测(jiāncè)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(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(xiàng)等动物进行观测，不仅在效率上有很大提升，精确度也(yě)有所提高。另外，科学家们已不再(bùzài)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动物制定繁殖(fánzhí)计划、进行疾病(jíbìng)控制、开展(kāizhǎn)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(yǎngzhí)、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。

借助该技术，我们甚至可以给动物(dòngwù)(dòngwù)群体中的每(měi)只动物都赋予明确的身份(shēnfèn)。设想一下，在不久的将来(jiānglái)，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的难忘体验？

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的文献、图片资料和宝贵意见(bǎoguìyìjiàn)。

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

[2]黄孟选(huángmèngxuǎn)等. RFID技术在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. 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. 野生动物学报，西双版纳野象谷(gǔ)亚洲象个体识别及(jí)种群数量特征(tèzhēng)，2024 ,45 (03)：472 - 479

[5]顾佳音. 东北(dōngběi)虎雪地足迹个体识别技术研究. 东北林业大学(línyèdàxué)，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. 红外相机技术在物种监测中的应用及数据挖掘(shùjùwājué). 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识别研究(yánjiū)——以东北虎和(hé)小熊猫为例. 四川大学，2021,06

作者丨李勃 陕西省生物农业(nóngyè)研究所