摘要: 个体识别是动物行为学与生态学研究工作的基础，也是制定珍稀野生动物保护政策的重要依据。为了丰富大熊猫个体识别和种群数量调查的方法，我们于 2017 年 7 月分别在四川省雅安市碧峰峡大熊猫基地和四川省汶川县耿达镇的中华大熊猫苑共计拍摄 18 只大熊猫个体，每只大熊猫拍摄 6 ～ 13 张高质量面部照片 ( 共计 131 张) ，利用发育网络 ( Developmental Network) 建立大熊猫面部识别模型。利用此模型对存在部分背景的大熊猫面部照片进行识别检测，得到的个体识别率为 79. 41% ，对完全去除背景的大熊猫面部照片进行识别检测，得到的个体识别率为 58. 82% 。研究表明，发育网络具有足够的大熊猫个体识别能力，不同背景比例的照片对大熊猫个体识别的实际结果具有较大的影响。随着发育网络识别模型的发展，我们建议更多的野生动物保护研究者结合这一技术深入地开展珍稀野生动物 ( 如大熊猫) 个体识别研究，逐步提高识别准确度，并应用到关键区域大规模的动物调查中。
关键词: 个体识别; 发育网络; 大熊猫
个体识别是野生动物行为学与生态学研究工作的基础，能够促进相关研究的深入进行和管理政策的准确制定 ( Pollard et al. ，2010) ，寻找精确度高的个体识别方法一直是科研工作者努力解决的问题 ( Zheng et al. ，2016; Crouse et al. ，2017) 。以往动物个体识别的研究手段大致分为无损伤与有损伤两类，有损伤类如 PIT 标记技术，通过阅读器与植入目标动物体内的电子微芯片识别，标记检测率达 95% 以上，读取正确率接近 100% ，具有较高可靠性，但其芯片损伤和脱落具有不确定性且识别距离有限，通常在 35 cm 以内 ( 黄松林等，2016) ; 传统体外标记如给目标动物佩戴 GPS 项圈是研究野生动物生态学、个体区别的有效方法，但因其可能会在一定程度上影响动物觅食、运动，增加被捕食风险，及本身电池容量限制、成本过高等因素未被广泛用于相关 研 究 ( 张 晋 东 等，2011; 何 可 等， 2016; 黄松林等，2016) 。无损伤类个体识别方法，如观察者根据经验从动物的体型、毛发、斑纹、体态、不同足迹等特征区别个体，对于个体数量较少的种群具有一定准确识别能力且识别环境自由，但其主观因素影响较大，存在一定误差，且不适用于大种群野生动物个体识别，因此具有局限性 ( 顾佳音 等，2013; 张 丽 霞 等，2015; Zheng et al. ， 2016; 杨子诚等，2018) ; 依靠动物 DNA 识别个体精确度较高，但该方法在实际使用中仍然受到限制 ( 如采样困难、成本过高等) ( 史雪威等，2016) 。因此，亟需针对野生动物，尤其是珍稀濒危野生动物研发更为完善、可操作性强的个体识别方法。
大熊猫 ( Ailuropoda melanoleuca) 是全球野生动物保护的旗舰物种，第四次全国大熊猫调查结果显示野生大熊猫个体数量达到 1 864 只，总体上大熊猫 种 群 数 量 呈 良好上升趋势 ( 唐 小 平 等， 2015) 。在早期的大熊猫种群数量调查中，先后采用了哄赶法、生物种群横向密度估计法、密度参数计算法和内业综合统计法 ( 胡杰等，2000; 史雪威等，2016) 。目前大熊猫种群数量调查的方法主要为距离—咬节区分法以及 DNA 分析法 ( 唐小平等，2015; 史雪威等，2016) 。有学者提出距离— 咬节区分法的准确性值得商榷，如大熊猫粪便咬节在数量调查中有局限性 ( 魏荣平等，2003; 史雪威等，2016) ，而距离区分法的阈值标准也需要更深入的大熊猫野外行为研究，如家域范围、重叠度、移动距离等行为特征 ( 胡锦矗和夏勒，1985; Rodgers et al. ，1996; Zhang et al. ，2015; Hull et al. ，2015) 。利用分子生物学手段 ( 如大熊猫 DNA 指纹技术、微卫星分析等) 虽可以得到准确的结果，但是在实际工作中，很难全面获得高质量的粪便 ( 魏辅文等，2001; 国家林业局，2006) 。有研究利用红外相机拍摄大熊猫相片，并请志愿者根据大熊猫的身体特征 ( 如鼻子颜色、面部疤痕、体型等) 进 行 人 为 识 别，取得了良好识别效果 ( Zheng et al. ，2016) ，但在一定程度上存在人为误差，在实际大熊猫种群数量调查中难以得到广泛应用。最近有研究采集不同大熊猫个体的足印，在足印旁附上标尺并拍照，再将采集的足迹照片输入美国 SAS 公司研发的 JMP 软件，该软件便会自动生成数十个变量，通过对这些变量的比较分析，区别出不同的大熊猫个体，具有较高的识别率，但实验环境对该方法制约较大 ( 如在野外难以获得较理想的足迹) ( Li et al. ，2018) 。综上所述，一方面，在社会各界的努力下，大熊猫保护工作取得了卓越的成效; 另一方面，依靠目前已有的个体识别手段，大熊猫个体识别问题仍然难以解决，这将对大熊猫的进一步相关研究 ( 大熊猫种群数量调查、社会学机制探讨等) 造成阻碍。
随着计算机、人工智能等科学的发展，人脸识别技术逐渐成熟，其识别方法大致分为三类: 以面部几何特征为基础的识别研究，以代数特点为依据的识别研究 ( 如主成分分析方法) ，基于机器学习理论的识别研究 ( 如卷积神经网络) 。而目前机器学习中的深度学习领域成为研究的热点 ( 何春，2016; Xie and Hu，2017) 。计算机图像处理分析技术在动物个体身份识别工作中取得重要突破，如 Crouse 等 ( 2017) 利用红钟美狐猴 ( Eulemur rubriventer) 面部 ID 的方法提取狐猴面部特征进行个体识别，Freytag 等 ( 2016) 利用卷积神经网络 ( CNN) 提取黑猩猩 ( Pan troglodytes) 的面部特征进行个体识别，赵凯旋和东键 ( 2015) 利用卷积神经网络 ( CNN) 提取奶牛全身斑块特征进行个体识别，方楠 ( 2017) 基于卷积神经网络 ( CNN) 依据川金丝猴 ( Rhinopithecus roxellanae) 面部特征进行识别。但总的来说，采用计算机图像分析技术进行动物个体识别的研究方法仍然较少，而发育网络作为一种模拟人类大脑发育而形成的智能网络，被应用于人的面部识别研究中，并克服了在复杂背景下以及不同人脸朝向的识别问题，具有良好的应用 潜 力 ( 王 东 署 和 郑 光 璞，2016; 郑 光 璞， 2016) 。因此，基于计算机、人工智能、生物科学等领域的前人研究，我们尝试利用发育网络对大熊猫进行个体识别研究，以期为大熊猫及其他野生动物个体识别提供新的研究方向。
1 研究方法
1. 1 数据收集
2017 年 7 月分别在四川省雅安市碧峰峡大熊猫基地和四川省汶川县耿达镇的中华大熊猫苑进行照片数据采集。在大熊猫饲养员的协助下，利用数码相机拍 摄 圈 养 大 熊 猫 的 面 部 照 片，共 计 拍 摄 18 只大熊猫个体，每只大熊猫拍摄 6 ～ 13 张高质量面部照片。为了不影响大熊猫的正常生活，对于拍摄距离较远的大熊猫，我们拍摄了全身照片，但尽量关注面部。根据碧峰峡大熊猫基地和中华大熊猫苑的圈养大熊猫名录，将拍摄到的大熊猫照片分别归类建档 ( 图 1) 。
1. 2 图片预处理
我们使用图像处理软件 Adobe Photoshop CS6 对获得的圈养大熊猫照片数据进行预处理，根据背景去除程度分为两类，一类照片去除大部分背景，形成仅容纳大熊猫面部的照片 ( Crouse et al. ， 2017) ; 另一类照片则完全去除背景，形成仅保留大熊猫面部轮廓的照片 ( 图 2) ，部分照片数据的处理结果见图 3。
1. 3 识别模型
发育网络 ( Developmental Network，DN) 是美国密歇根州立大学的翁巨杨教授基于人类大脑发育而提出来的一种基本智能 网 络 ( Weng et al. ， 2012) 。
发育网络具有 X、Y、Z 三个区域，它和传统神经网络的输入层、隐藏层、输出层相似 ( 图 4) ， X 区域作为传感器同外部世界接触。Y 层是发育网络的中心，处于隐藏的状态，不直接同外部世界接触，只能通过与 X 区域、Z 区域进行不断地信息交互来认识外部世界。Z 层作为发育网络的执行器，只有当网络处于外界监督状态时，Z 层才作为网络的输入，否则，Z 层输出一个向量驱动执行器 ( Z 层) 产生动作，原理与生物体肌肉或腺体作用于外部世界相似。X，Y，Z 三个区域连接顺序是由低到高 ( 即 X→Y，Y→Z) 。图 4 中 Z 区域是人为设定; Y 区域是自主生成，通过不断学习和发育而完善。该发育网络的工作原理描述如下:
( 1) 在 T = 0 时刻，设 A = { X，Y，Z} ，N = ( V，G) ，其中，V 为权重向量; G 为神经元的年龄; 对 A 中 N 变量和反应值向量 r 进行初始化。
( 2) 在 T = 1，2，…，n 时刻，对发育网络的三个区域重复进行如下两个步骤:
①利用区域函数 进行计算，具体运算如下: ( r’，N’) = f ( b，t，N) 其中 f 是统一的区域函数，b ( bottom - up) 是由下向上的输入，t ( top-down) 是由上向下的输入;
②进行以下更新: N←N’，r←r’ r’为更新后响应向量。在 X 被认为是智能体的传感器接口且 x 属于 X 中的情况下，x 才会一直处于被外部世界监督的状态; 当 Z 被认为是智能体的执行器接口，只有在 “教师”选择且 z 属于 Z 中的情况下，z 才会处于被外部世界监督状态，如果未被外界 “教师”选择，Z 会给出执行器的输出。只有当 X、Y、Z 三个区域至少都更新一次以后，整个发 育 网 络 才 算 是 完 成 了 一 次 更 新 过 程 ( 王东署和郑光璞，2016; 郑光璞，2016) 。
1. 4 大熊猫个体识别
大熊猫面部照片经过预处理后，我们得到含不同比例背景的大熊猫面部照片。在这两类照片中，分别随机提取部分照片作为训练集对发育网络理论模型进行训练，然后利用余下的两类大熊猫面部照片作为测试集对训练产生的发育网络识别模型进行识别率检测，最终建立适用于大熊猫面部的发育网络识别模型。
2 结果
本研究共计获得大熊猫面部照片 131 张，随机选择 97 张 ( 包括 96 张大熊猫面部照片和 1 张空白背景照片) 作为训练集，选择 34 张作为测试集，在 Matlab R2014a 中对含不同背景比例的大熊猫面部照片进行识别效果检测 ( 表 1，表 2) 。
相关知识推荐：发过面部识别方面论文的核心期刊
对存在部分背景的大熊猫面部照片进行识别检测，得到的个体识别率为 79. 41% ( 表 1) ，对完全去除背景的大熊猫面部照片进行识别检测，得到的个体识别率为 58. 82% ( 表 2) 。结果表明，发育网络对于大熊猫个体具有一定识别能力，不同比例背景的照片对大熊猫个体识别的结果具有较大的影响。
3 讨论
随着计算机人机交互系统的发展，利用计算机智能识别网络提取虹膜、人脸面部表情等特征进行个体识别的技术越来越成熟可行，并逐渐开始被应用到野生动物相关研究中 ( Lajevardi et al. ，2009; 盛大玮等，2009; 马飞等，2011; Youssifand Asker，2011) ，如 Norouzzadeh 等 ( 2017) 基于深度学习、红外相机技术对非洲大草原上的动物进行物种鉴别; Crouse 等 ( 2017) 利用 LumerFaceID 进行红钟美狐猴的面部识别实验。
目前还未有将发育网络运用到野生动物面部识别的研究，我们结合大熊猫面部照片与计算机图像识别技术，尝试对该方法进行识别效果测试，期望通过引入前沿科学，弥补传统个体识别研究中的缺陷。本研究结果显示发育网络具有识别大熊猫个体的能力，是进行大熊猫个体识别的突破方向，也是识别野生动物个体一个可行的办法。同时在实验中我们针对 Crouse 等 ( 2017) 对照片处理存在的疑问 ( 背景是否影响识别结果) 设置两组实验，利用发育网络对存在部分背景和完全去除背景的大熊猫照片同时进行处理和比较，发现存在部分背景的照片识别率为 79. 41% ，完全去除背景时的照片识别率为 58. 82% ，造成此结果的原因可能是由于计算机对整张图片进行特征提取，将图片中的背景也误判为大熊猫的特征，并非真实大熊猫本身识别特征，因此背景的存在极大地影响了真实识别结果。通过比较实验我们认为 Crouse 等 ( 2017) 虽然在实验中对红钟美狐猴面部照片进行了预处理，弱化了客观因素影响，但我们的实验结果显示，存在部分背景的照片识别率远高于去除背景的照片，因此建议对实验的照片数据进行完全去除背景处理，最大程度降低干扰，方能够得到更可靠的结果。
本研究的识别率一般，可能是由于在采集大熊猫面部照片时，大熊猫面部的朝向不同引起光照、拍摄角度变化，进而影响识别结果，我们下一步将对算法进行优化，如解决复杂背景、不同面部朝向的识别问题，提高识别率。为了识别野生大熊猫个体，我们已经收集了大量红外相机拍摄到的大熊猫照片，计划首先由工作人员识别大熊猫个体，累积足够的不同个体照片 ( Zheng et al. ，2016) ; 或者将每一张红外相机拍摄到的大熊猫照片录入数据库中，再与数据库中已有的大熊猫个体进行比对识别，逐步扩大数据，从而达到建立野生大熊猫照片库、识别野生大熊猫个体的目的，这两种方法我们会在后续的工作中同时采用，比较选择出效果较好的方法，为今后利用红外相机拍摄的照片进行更多动物个体识别奠定基础。
近 20 年来，红外相机监测技术在我国自然保护区得到了广泛应用，随着此监测技术的成熟，我国西南山地和东北林区已建成并运行区域性红外相机监测网络，同时，更大范围的全国性红外相机监测网络也正在筹措和建立之中 ( 肖治术等，2014; 李 晟 等，2014; 张 履 冰 等，2014; 朱 淑 怡 等， 2017; 侯金等; 2018) 。因此从红外相机监测技术入手，开展更加深入的科学研究将成为今后的热点研究方向之一。全国范围的红外相机监测网络的建立运行将积累大量的红外相机照片数据，这为野生动物图像识别研究提供了可靠、充足的数据来源，有利于今后计算机识别技术在生物学领域的发展应用，能有效解决目前国内各保护区对于这些宝贵的监测数据利用不充分、识别过程中的主观误差等问题，同时能节省大量的人力物力。目前，结合红外相机数据与计算机图像处理技术开展更加深入研究的形势良好，但对部分动物开展相关深入研究时仍存在其它的问题，如成年大熊猫面部无明显的性二型等特征 ( Li et al. ，2018) ，因此仅从照片无法区分出大熊猫的年龄及性别。此外，目前我们进行实验的照片数据还不充足，仍然在继续收集更多的照片，扩大大熊猫面部照片的数据库以进行更加精确的研究，同时我们也在寻找更加准确可靠的方法 ( 如卷积神经网络) 进行大熊猫个体识别。发育网络等新兴技术能够弥补传统个体识别方法存在的不足 ( 如传统标记对动物造成损伤、降低调查成本和人为误差等) ，在野生动物社会学、生态学等方面发挥更大的作用，能为今后保护区建设管理工作引进新的研究方法、提供新的研究思路。
致谢: 感谢郑州大学王东署副教授在本研究技术路线上的指导; 感谢中国大熊猫保护研究中心的李仁贵在研究方案上的宝贵建议; 感谢密歇根州立大学的 Thomas Connor 博士对本文英文部分的修改。——论文作者：侯金1 郑伯川2 李玉杰1 白文科1，3 齐桂兰4 董峻妃2 杨泽静2 张晋东1
转载请注明来自：http://www.lunwencheng.com/lunwen/dzi/22055.html
