科学家基于深度神经网络模型进行猴脸识别

　　人脸识别技术正在飞速发展。西北大学却不走寻常路，利用人工智能（AI）技术为秦岭地区数千只川金丝猴进行猴脸识别。

　　如何能够准确、快速的对野生动物进行个体识别，实现连续的“焦点动物取样”和个体全覆盖的“全事件取样”，从而科学地认识并据此开展动物保护工作，一直是全世界动物学家向往但又无法突破的难题。

　　西北大学西北大学生命科学学院教授郭松涛针对这一前沿问题，与计算机科学领域的专家深度交叉融合，建立动物AI研究团队。该团队基于金丝猴研究团队长期对该物种特征的研究结果，提出具有关注机制的深度神经网络模型，首次开发出基于Tri-AI技术的金丝猴个体识别系统。

　　“系统颠覆了依靠动物斑纹、颜色、伤疤等个体特征或者等人为标记特征的传统方法，实现了对野生个体的准确身份识别和连续跟踪采样的功能。更重要的是，该系统为在理想条件下实现‘无观察者干扰效应’的动物学研究提供了可能。”郭松涛在接受《中国科学报》采访时说。

　　相较于人脸识别，猴脸识别技术难度在于金丝猴的脸部皮肤区域带毛区域多，且毛发区域相对更明显，纹理特征更复杂，对识别系统的深度学习能力提出了更高的要求。

　　“我们需要数量更多、质量更高的个体图像样本，来提高识别率。”研究团队负责人李保国解释道，“野外环境很复杂，金丝猴不会主动配合，拍到好的图片和视频比较难。我们的目标是拍摄到每一只秦岭金丝猴的图像样本，对秦岭金丝猴都能通过猴脸识别技术完成识别。”

　　目前，猴脸识别技术处于实验推广阶段，可识别约200只秦岭金丝猴。“该系统已经在灵长类的41个代表性物种和4种食肉动物群体进行了适用性验证，平均识别精度达94.1%。”西北大学信息科学与技术学院副教授许鹏飞说。

　　现在，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。该技术极大的提高了个体数据分析效率，为动物学研究提供新的技术方案，也为实现野生动物保护和智能管理提供可靠的技术支撑。

　　该研究发表于iScience上。

　　目前，该项工作已经进入到应用推广的阶段。一方面，已初步完成“动物个体识别”系统（V1.0）的开发，并在多处秦岭金丝猴分布地用于多个种群、上千只个体的识别和记录，开始启动建立秦岭金丝猴个体信息库的工作；另一方面，该项工作进一步扩展应用行业和范围，结合野外和圈养条件下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，并将在基于动物精准识别的基础上实现动物保护、饲养、繁育和研究的精细化管理。

　　相关论文信息：https://doi.org/10.1016/j.isci.2020.101412