基于深度学习的野猫身体部位识别：解决相机陷阱图像中个体识别的创新方法

针对澳大利亚野猫威胁本土物种的生态问题，研究人员创新性地采用基于身体部位（flank/body、legs、tail）的深度学习模型ResNet-50，通过特征拼接（feature concatenation）技术，解决了相机陷阱图像中因遮挡或局部视角导致的个体识别难题。研究发现猫的侧腹（body）最具鉴别力，模型准确率达92%，为野生动物保护提供了高效非侵入性监测工具。

　　

在澳大利亚，野猫（Felis catus）的捕食行为已导致至少20种本土哺乳动物濒危或灭绝。传统标记重捕法不仅成本高昂，还会对动物造成伤害。尽管相机陷阱技术能非侵入性地捕捉野猫影像，但图像质量差、姿态多变、局部遮挡等问题严重制约了基于深度学习的个体识别。此前研究多依赖单一特征（如面部或全身），而野外环境中动物姿态不可控，亟需一种能整合多部位特征的灵活识别方法。

为解决这一难题，研究人员利用澳大利亚维多利亚州Glenelg和Otway地区相机陷阱采集的1644张野猫图像（10只个体），创新性地提出基于身体部位的特征拼接模型。研究聚焦四个部位：侧腹（body）、后腿（back leg）、前腿（front leg）和尾巴（tail），通过ResNet-50架构提取特征并拼接，对比不同部位组合的识别效能。

关键技术方法

1. 数据预处理：从15,881张原始图像中筛选10只个体，平衡样本量，水平翻转右视角图像统一为左视角；
2. 特征提取：采用预训练ResNet-50（去除顶层）分别提取四个部位的2048维特征向量；
3. 模型构建：通过早期融合（early fusion）将多部位特征拼接后输入全连接层分类；
4. 对照实验：测试单部位、三部位（排除一种）及双部位组合的识别准确率。

研究结果

3.1 初始训练结果

• 单部位性能：侧腹（body）识别准确率最高（91%），显著优于后腿（85%）、前腿（79%）和尾巴（75%），验证其作为关键鉴别特征的价值。

3.2 特征拼接模型效能

• 全部位组合：准确率达92%，与单用侧腹相当，但训练时间缩短至4分钟（无特征提取层反向传播）；
• 排除实验：排除后腿时性能不变（92%），而排除侧腹则显著下降至88%，凸显侧腹的不可替代性。

3.3 关键部位贡献

• 双部位组合：前腿+后腿组合表现最佳（92%），而侧腹+尾巴仅85%，表明肢体运动可能携带个体特异性信息；
• 单部位对比：仅用侧腹的准确率（92%）接近全组合，证实其作为核心识别依据的可靠性。

讨论与意义
该研究首次系统评估了野猫多部位特征对个体识别的贡献，提出三点创新价值：

1. 生态应用：侧腹的高鉴别力指导相机陷阱布设策略，如通过诱饵（如Paton et al.提出的视觉引诱）引导动物展示侧身姿态；
2. 技术优化：特征拼接模型虽未超越单部位ResNet-50，但其处理局部遮挡的灵活性（如仅靠腿部或尾巴识别）更适合复杂野外场景；
3. 方法论启示：早期融合（early fusion）在9/11案例中优于晚期融合（late fusion），为多模态生态数据整合提供新思路。

局限性包括未测试其他CNN架构（如VGG或YOLOv5）和数据增强技术的影响。未来研究可结合生成对抗网络（GAN）合成稀缺姿态样本，或采用视觉Transformer（ViT）挖掘部位间空间关联。这项发表于《Ecological Informatics》的成果，不仅为野猫种群监测提供了可扩展方案，其“分而治之”的策略对其它隐蔽性野生动物的识别具有普适参考价值。