獲悉，西北大學的科研團隊依托人工智能等新技術，研發“猴臉識別技術”，用于秦嶺等地近千只川金絲猴的識別，支持對動物進行研究和保護工作。目前，系統已經在靈長類的41個代表性物種和4種食肉動物群體進行了適用性驗證，平均識別精度達94.1%。

川金絲猴是一種珍稀瀕危且中國特有的靈長類物種，生存在陜西秦嶺、四川西部、甘肅南部和湖北神農架等山系之中。為了對其進行保護和研究，西北大學金絲猴研究團隊長期開展野外跟蹤研究，20年前經過艱難探索實現了對野生金絲猴的近距離觀察和個體識別。但是，如何能夠準確、快速地對野生金絲猴進行個體識別，并據此開展保護，一直是全世界動物學家向往但又無法突破的難題。

針對這一前沿問題，西北大學教授郭松濤與計算機科學領域專家建立動物AI研究團隊。團隊利用神經網絡原理，首次開發出基于Tri-AI技術的金絲猴個體識別系統，實現了對野生個體的準確身份識別和連續跟蹤采樣功能。

Tri-AI系統不僅可以應用于多個類群的不同物種，還可實現夜間連續無礙觀測。目前該系統已經在靈長類的41個代表性物種和4種食肉動物群體中進行了適用性驗證，平均識別精度達94.1% 。

■對話

精準識別，可助力動物保護、繁育和研究

相較于人臉識別，猴臉識別有何難度？未來系統如何進行更廣泛應用？對此，新京報記者對西北大學生命科學學院教授、陜西省秦嶺珍稀瀕危動物保育重點實驗室副主任郭松濤，以及團隊成員西北大學信息科學與技術學院副教授許鵬飛、西北大學生命科學學院副教授何剛進行采訪。

新京報：動物個體識別有怎樣的應用場景？

郭松濤：物種個體識別可以應用于野生動物種群監測，動物園等遷地保護的動物救治、飼養和繁育、畜牧業農場動物的日常管理，以及寵物動物遺失尋找等，有廣泛的實用需求。

比如農場里的動物很多，如果一頭羊生病了，治療后回到羊群里，再把它找出來重復檢查就比較難了。傳統的方法是打耳標，在羊耳朵上戴個數字或字母標識，但這屬于損傷性標記。耳標經過風吹日曬，有時候也看不清楚，可能有誤差。通過系統識別，就可以馬上將這頭羊找出來，還能了解它的各項信息。有了識別系統，特種用途的動物也不用紋身或者植入芯片了。

目前，鳥類、兩爬類動物、昆蟲的個體識別存在困難，我們優先選擇大型的哺乳動物進行識別和研究，比如金絲猴、大熊貓、老虎等珍稀哺乳動物，有望以后拓展到其它動物類群上。

新京報：科研人員是如何想到要研發這套系統的？

郭松濤：西北大學金絲猴研究團隊長期開展動物跟蹤研究，傳統辦法是通過人的經驗積累識別動物個體。我們近距離觀察，通過望遠鏡可以看到金絲猴清晰的面部特征，比如有的金絲猴嘴底下有一個痣，有的因打架耳朵被扯掉一塊，這都是自然標記。有時為了對特定對象進行觀察，我們還會做一些人工標記，比如有色染料。在一段時間內，只要把標記位置記清楚，我們就不會丟失所觀察的動物個體，下次看到它還能認出來。

但這種方法在大范圍的野外調查和監測中就不適用了。在做野生動物保護時，我們不可能給成千上萬只金絲猴做標記。有時我們通過DNA識別，比如得到動物的毛發和糞便，下次再遇到它可以檢測出來，但這需要到實驗室里鑒別，也非常麻煩，達不到實時識別的要求。所以，我們根據研究和保護工作的需要，探索新的識別技術，四五年前就開始攻關這項技術。

新京報：猴臉識別系統研發有何難度？

郭松濤：首先，不依賴于物種的識別技術，要求有通用的識別部位。定義面部為通用識別部位，也是經過動物生態學和計算機科學領域的專家深入討論后決定的，這個策略的制定尤為關鍵，是研發開始就面臨的難點。

AI技術需要大量地分類好的數據，但是，由于野生動物不可控，是動態的，不會配合拍照，因此我們在野外進行數據采集非常困難。該研究需要拍攝非常多的影像數據，對算法和模型進行訓練。

動物在野外有隱藏本能，毛發顏色等可能會和環境融在一起。比如，冬季秦嶺山里都是灰黃色，金絲猴的毛發也是這個顏色，要在人工條件下，從環境顏色中剝離出動物個體并不容易。

另外，金絲猴的臉部皮膚帶毛區域多，毛發可能有蓬松變化，紋理特征更復雜，對識別系統的深度學習能力和算法提出了更高的要求。

新京報：系統如何對看起來相似的猴臉進行區分？猴子長大面部發生變化，系統還能識別出來嗎？

許鵬飛：剛開始訓練模型時，大概需要20個金絲猴個體，這些信息要非常準確，每只金絲猴需要拍攝不同角度的照片，將系統模型完成。新的金絲猴個體再出現時，系統會提取特征并對比已有信息，從而對新個體進行識別。與人臉識別邏輯相似，系統會計算出猴臉的識別特征，進行信息標記和體系統建。與人們慢慢積累經驗并識別不同，算法可以高效完成特征抓取、比對和識別。

猴子成年后，面部不會有明顯變化。但是幼年到成年之間會出現變化，如果機器在猴子2歲和5歲各拍到一次，系統可能會將5歲時的個體認錯成一只新的個體。但是對于我們長期研究的約200只金絲猴，通過不間斷地拍攝記錄，人工智能也可以自己學習，為發生微小變化的金絲猴個體補充新的特征。

值得一提的是，系統還能實現夜間連續無礙觀測。我們用紅外攝像頭夜間拍攝的照片和視頻，失去了色彩信息，呈現灰度，但是在這種情況下，系統仍然可以進行個體分辨，說明系統計算和學習識別特征信息是廣泛的，包含但不依賴于色彩信息。深層次的原理我們還在探索中。

新京報：目前系統還可以識別哪些動物？準確率怎么樣？

何剛：系統已經在靈長類的41個代表性物種和4種食肉動物群體進行了適用性驗證，平均識別精度達94.1%。4種食肉動物群體為虎、獅、狐獴和小熊貓。靈長類的41個代表性物種包括川金絲猴、狒狒、黑猩猩、長臂猿、獼猴、山魈等。

系統識別基于圖形圖像和面部特征，需要學習大量的數據。由于金絲猴數據較多，系統算法訓練已經非常完善，識別率是趨近100%的，可以作為示范。但有些物種受可拍攝的種群數量、采樣條件限制等原因，照片等數據不算多，所以平均的識別精度達94.1%。未來隨著數據不斷豐富，識別精度還將提升。

同時，嚙齒類、有袋類等哺乳動物也都是系統的潛在識別動物。未來，這項工作可以擴展應用的行業和范圍很廣。我們希望結合野外和圈養條件識別動物的不同應用場景與需求，進行個性化識別功能的研發，通過動物精準識別，實現動物保護、飼養、繁育和研究的精細化管理。

原文鏈接：https://m.bjnews.com.cn/detail/161425426515581.html