获悉，乐动平台客服的科研团队依托人工智能等新技术，研发“猴脸识别技术”，用于秦岭等地近千只川金丝猴的识别，支持对动物进行研究和保护工作。目前，系统已经在灵长类的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%。

川金丝猴是一种珍稀濒危且中国特有的灵长类物种，生存在陕西秦岭、四川西部、甘肃南部和湖北神农架等山系之中。为了对其进行保护和研究，乐动平台客服金丝猴研究团队长期开展野外跟踪研究，20年前经过艰难探索实现了对野生金丝猴的近距离观察和个体识别。但是，如何能够准确、快速地对野生金丝猴进行个体识别，并据此开展保护，一直是全世界动物学家向往但又无法突破的难题。

针对这一前沿问题，乐动平台客服教授郭松涛与计算机科学领域专家建立动物AI研究团队。团队利用神经网络原理，首次开发出基于Tri-AI技术的金丝猴个体识别系统，实现了对野生个体的准确身份识别和连续跟踪采样功能。

Tri-AI系统不仅可以应用于多个类群的不同物种，还可实现夜间连续无碍观测。目前该系统已经在灵长类的41个代表性物种和4种食肉动物群体中进行了适用性验证，平均识别精度达94.1% 。

■对话

精准识别，可助力动物保护、繁育和研究

相较于人脸识别，猴脸识别有何难度？未来系统如何进行更广泛应用？对此，新京报记者对乐动平台客服生命科学学院教授、陕西省秦岭珍稀濒危动物保育重点实验室副主任郭松涛，以及团队成员乐动平台客服信息科学与技术学院副教授许鹏飞、乐动平台客服生命科学学院副教授何刚进行采访。

新京报：动物个体识别有怎样的应用场景？

郭松涛：物种个体识别可以应用于野生动物种群监测，动物园等迁地保护的动物救治、饲养和繁育、畜牧业农场动物的日常管理，以及宠物动物遗失寻找等，有广泛的实用需求。

比如农场里的动物很多，如果一头羊生病了，治疗后回到羊群里，再把它找出来重复检查就比较难了。传统的方法是打耳标，在羊耳朵上戴个数字或字母标识，但这属于损伤性标记。耳标经过风吹日晒，有时候也看不清楚，可能有误差。通过系统识别，就可以马上将这头羊找出来，还能了解它的各项信息。有了识别系统，特种用途的动物也不用纹身或者植入芯片了。

目前，鸟类、两爬类动物、昆虫的个体识别存在困难，我们优先选择大型的哺乳动物进行识别和研究，比如金丝猴、大熊猫、老虎等珍稀哺乳动物，有望以后拓展到其它动物类群上。

新京报：科研人员是如何想到要研发这套系统的？

郭松涛：乐动平台客服金丝猴研究团队长期开展动物跟踪研究，传统办法是通过人的经验积累识别动物个体。我们近距离观察，通过望远镜可以看到金丝猴清晰的面部特征，比如有的金丝猴嘴底下有一个痣，有的因打架耳朵被扯掉一块，这都是自然标记。有时为了对特定对象进行观察，我们还会做一些人工标记，比如有色染料。在一段时间内，只要把标记位置记清楚，我们就不会丢失所观察的动物个体，下次看到它还能认出来。

但这种方法在大范围的野外调查和监测中就不适用了。在做野生动物保护时，我们不可能给成千上万只金丝猴做标记。有时我们通过DNA识别，比如得到动物的毛发和粪便，下次再遇到它可以检测出来，但这需要到实验室里鉴别，也非常麻烦，达不到实时识别的要求。所以，我们根据研究和保护工作的需要，探索新的识别技术，四五年前就开始攻关这项技术。

新京报：猴脸识别系统研发有何难度？

郭松涛：首先，不依赖于物种的识别技术，要求有通用的识别部位。定义面部为通用识别部位，也是经过动物生态学和计算机科学领域的专家深入讨论后决定的，这个策略的制定尤为关键，是研发开始就面临的难点。

AI技术需要大量地分类好的数据，但是，由于野生动物不可控，是动态的，不会配合拍照，因此我们在野外进行数据采集非常困难。该研究需要拍摄非常多的影像数据，对算法和模型进行训练。

动物在野外有隐藏本能，毛发颜色等可能会和环境融在一起。比如，冬季秦岭山里都是灰黄色，金丝猴的毛发也是这个颜色，要在人工条件下，从环境颜色中剥离出动物个体并不容易。

另外，金丝猴的脸部皮肤带毛区域多，毛发可能有蓬松变化，纹理特征更复杂，对识别系统的深度学习能力和算法提出了更高的要求。

新京报：系统如何对看起来相似的猴脸进行区分？猴子长大面部发生变化，系统还能识别出来吗？

许鹏飞：刚开始训练模型时，大概需要20个金丝猴个体，这些信息要非常准确，每只金丝猴需要拍摄不同角度的照片，将系统模型完成。新的金丝猴个体再出现时，系统会提取特征并对比已有信息，从而对新个体进行识别。与人脸识别逻辑相似，系统会计算出猴脸的识别特征，进行信息标记和体系统建。与人们慢慢积累经验并识别不同，算法可以高效完成特征抓取、比对和识别。

猴子成年后，面部不会有明显变化。但是幼年到成年之间会出现变化，如果机器在猴子2岁和5岁各拍到一次，系统可能会将5岁时的个体认错成一只新的个体。但是对于我们长期研究的约200只金丝猴，通过不间断地拍摄记录，人工智能也可以自己学习，为发生微小变化的金丝猴个体补充新的特征。

值得一提的是，系统还能实现夜间连续无碍观测。我们用红外摄像头夜间拍摄的照片和视频，失去了色彩信息，呈现灰度，但是在这种情况下，系统仍然可以进行个体分辨，说明系统计算和学习识别特征信息是广泛的，包含但不依赖于色彩信息。深层次的原理我们还在探索中。

新京报：目前系统还可以识别哪些动物？准确率怎么样？

何刚：系统已经在灵长类的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%。4种食肉动物群体为虎、狮、狐獴和小熊猫。灵长类的41个代表性物种包括川金丝猴、狒狒、黑猩猩、长臂猿、猕猴、山魈等。

系统识别基于图形图像和面部特征，需要学习大量的数据。由于金丝猴数据较多，系统算法训练已经非常完善，识别率是趋近100%的，可以作为示范。但有些物种受可拍摄的种群数量、采样条件限制等原因，照片等数据不算多，所以平均的识别精度达94.1%。未来随着数据不断丰富，识别精度还将提升。

同时，啮齿类、有袋类等哺乳动物也都是系统的潜在识别动物。未来，这项工作可以扩展应用的行业和范围很广。我们希望结合野外和圈养条件识别动物的不同应用场景与需求，进行个性化识别功能的研发，通过动物精准识别，实现动物保护、饲养、繁育和研究的精细化管理。

原文链接：https://m.bjnews.com.cn/detail/161425426515581.html