一台安装在野外的红外相机，在一个工作周期里可以自动记录约2000张照片、800条视频。但回收红外相机的过程，短则10余天，长则1个月，数据经过拷贝，再由专业人员逐一筛选、分析、录入系统。在川内一些自然保护区，统计过去一年红外相机收集到的数据，给野生动物“上户口”，需要耗费一支科研团队近半年的时间。如何减少工作量，缩短这一时间？
将类人脸识别技术用于雪豹个体识别
由山水自然保护中心、腾讯公益慈善基金会主办的拥“豹”未来——2023雪豹研讨会上，来自腾讯守护雪豹项目的技术志愿者介绍了近年来逐渐成熟的AI识别系统，可以识别图片和视频中的野生动物物种。在此基础上，AI算法对于雪豹的识别准确率已经超过85%。
全球约60%的雪豹栖息地位于中国，但中国境内雪豹调研覆盖面积不到其栖息地的2%。事实上，科研人员对雪豹栖息地知之甚少。
能否将类似人脸识别的鉴定技术用于雪豹个体识别，从而摸清雪豹“家底”？
腾讯守护雪豹项目的技术志愿者介绍，实现这个目标并不容易。首先，不同动物的体型差别较大，距离镜头的远近不同，还有恶劣天气、系统“未知”物种的出现等干扰因素。此外，以雪豹为代表的野生动物数量稀少，可以用于机器训练的数据量先天不足。
山水自然保护中心相关负责人告诉记者，由于红外相机拍摄到的大多是雪豹侧身，科研人员开始思考，能否先从图片中自动划出特定区域，再从数据库中快速检索这一区域的不同特征，辅助专家判断，提升识别效率。
要实现这一目标，需要在数据、模型、训练三个方面补齐。
“豹纹识别”系统数次迭代
“缺少数据，就‘制造’数据。”腾讯守护雪豹项目技术志愿者黄湘琦说，数据准备阶段，技术人员会对收集到的雪豹等野生动物图像进行剪裁、模糊、打上马赛克，把“一张图”变成“数张图”，增加系统的“复习资料”。
为提高识别效率，AI算法工程师们在构建模型时提出了“两步走”办法。首先判断图片里有没有动物，去除大多数空白、无效的镜头，再判断图片里的动物是不是“熟人”。这样可以减少系统识别的工作量，提高识别效率。
为解决训练阶段素材数量不足的难题，AI算法工程师们根据野生动物数量级的不同，分配了不同的训练权重。“就是要增加少量数据的训练次数，提高系统的‘熟悉程度’。”黄湘琦说。
这套“豹纹识别”系统于2021年10月推出，经过数次迭代，物种识别率超过97%，可识别物种数目达到31类。其中，雪豹的图像检测精度超过85%。
除了腾讯，国内还有华为等科技企业正在利用人工智能技术提高野生动物图像筛选效率，并通过大数据分析，初步确定动物的生活习性、栖息地范围等数据。
省野生动物资源调查保护站站长顾海军介绍，去年，四川在省级层面编制完成了基于PAWS（全球雪豹种群评估）方法的雪豹调查技术指南和规范。在今年已经启动的大规模雪豹调查中，人工智能技术能发挥节约时间、提高准确度的重要作用。