个体识别是动物行为和动物生态学研究的基础。在过去的半个世纪里，借助动物特征(如条纹、颜色、疤痕等)进行个体识别。)或人工标记特征(如烙印、纹身、染色、地方志、无线电项圈和遗传标记等。)，极大地丰富了人类对动物及其行为的认识。比如人们突破了个体识别技术之后，野生金丝猴社会的神秘才被揭开。但长期以来，个体识别的数据采集主要依靠人工观测记录(图1)，非常依赖观测者自身的经验，受天气、地形等研究条件的制约较大，数据采集的可靠性、效率和连续性难以持续保证。目前，动物行为与保护，特别是动物管理的研究，迫切需要个体智能识别的前沿技术，急需突破。
图1研究野生动物常用“一笔一望远镜”的方式。
西北大学金丝猴研究团队长期开展野外观察，经过艰苦探索，在20年前实现了野生金丝猴的肉眼个体识别，推动了我国灵长类动物行为生态学的快速发展。近日，该团队郭松涛教授针对这一科技前沿问题，与计算机科学专家深度交叉融合，建立了动物AI研究团队，收集挖掘了以往动物行为研究中积累的海量数据，利用神经网络模型对动物特征进行检测、跟踪和识别，提出了具有注意机制的深度神经网络模型(图2)。通过系统建模和调试，最终开发出具有完全国内自主知识产权的Tri-AI动物个体识别系统(图3。
图2基于注意机制的深度神经网络模型框架。
图3 TRI-AI动物个体识别系统检测、跟踪和识别动物人脸的过程。
三AI系统突破了传统人工个体识别或机器识别只针对单一物种的瓶颈，解决了动物行为研究中个体智能识别的技术难题。该方法的成功验证了基于多物种的自动个体识别理论假设的科学性，满足了行为研究不受观察者干扰的理想要求。目前，该系统对灵长类亚科代表物种和多种大中型哺乳动物的平均识别准确率已达到94.1%，未来使用更多数据后，识别准确率还将继续提升(图4)。
图4 TRI-AI动物个体识别系统对21个物种的识别准确率。
此外，该研究成果与夜视图像分析兼容，可实现基于夜视图像的个体识别，从而实现全天候动物研究。经过训练，系统可以自动对现有的红外和可见光图像数据进行排序(图5)。该系统大大提高了数据分析的效率，将极大地促进动物行为的研究，在野生动物保护管理领域也将具有广阔的应用前景，为实现野生动物智能化管理提供可靠的技术支撑。在这项技术公布之前，虽然已经实现并报道了针对特定物种的个体智能识别功能，但和这项技术一样，它可以实现全天候条件下的多物种识别，因此在此之前一直停留在科学假设阶段。
最近，题为“利用深度学习技术自动识别个体引物”的研究成果以研究文章的形式发表在细胞出版集团《iScience》子刊上。西北大学郭松涛教授为通讯作者和论文第一作者，西北大学教授和西安电子科技大学苗教授为论文共同第一作者。这项成果是在西北大学教授和西安电子科技大学苗教授的共同参与下，历时两年完成的
上一篇：阿里为什么关注机器人？
下一篇：返回列表
