コンピュータビジョンを使用した雪の中の動物の足跡の分析

この記事で取り上げた概念の視覚的な解説については、以下の動画をご覧ください。

‍

雪は他の自然の表面と同様に、野生生物の活動の記録を残すことがあります。たとえば、雪に残された足跡は、どの動物がどこを通ったか、どのように移動したか、何をしていたかを示します。

数十年にわたり、ハイカー、ハンター、研究者は野生動物の行動をより深く知るために、これらの足跡を研究してきました。しかし、そのプロセスは必ずしも信頼できるものではありません。雪が移動したり、風が細部をぼかしたり、重なり合った足跡が識別を困難にしたりすることがあります。訓練された観察者でさえ、重要なパターンを見落とすことがあります。

‍

技術の進歩により、現在ではこうした痕跡の解釈も容易になってきている。特に、機械が視覚データを正確かつ迅速に分析することを可能にするAIの一分野であるコンピューター・ビジョンは、動物の足跡をdetect し理解するために使用することができる。例えば Ultralytics YOLO11のようなモデルは、動物の足跡の画像から形状やパターンをdetect するように訓練することができる。

この記事では、雪に残る動物の足跡がどのように保存されるのか、そこから野生生物について何がわかるのか、そしてコンピュータビジョンが追跡をどのように効率化しているのかを解説します。

雪の中の動物の足跡の重要性

動物の足跡は、動物が雪や土、泥などの表面を移動したときに残る印象である。適切な雪質であれば、このような足跡は、爪の跡やつま先のパッド、前足と後ろ足の違いなど、土や草ではdetect にくい細部まで鮮明に残っていることが多い。 

‍

種を特定するだけでなく、足跡の間隔、配置、および微妙なバリエーションは、研究者に動き、行動、および環境との相互作用について多くのことを伝えることができ、研究者、ハイカー、および野生生物愛好家に動物の活動に関する貴重な洞察を提供します。

研究者がトラックを読む際に注目する主な機能を以下に示します。

• 前足と後足: 前足と後足のサイズと形状の違いは、動物がどのように体重を分散させ、環境の中を移動するかを反映しています。
  ‍
  
• 肉球や動物の足跡：
  ‍track全体的な輪郭と大きさは、どの種がそのtrackつけたかを特定するのに役立つ。
  
• 爪痕： コヨーテ、キツネ、犬などのイヌ科の動物の足跡には通常、爪の跡が見られますが、ボブキャット、飼い猫、ピューマなどのネコ科の動物の足跡には、動物が走っている場合や滑りやすい場所を移動している場合を除き、通常は見られません。
  ‍
  
• 足跡のパターン: 足跡の配置は動物の行動を明らかにする可能性があり、コヨーテやキツネは直線的な足跡を残すことが多い一方、飼い犬はジグザグに進む傾向があります。
  ‍‍
• 足跡と引きずり跡: 左右の足跡の幅（足跡幅）は、動物の種類や歩き方によって異なり、足跡幅の変化は移動速度や警戒度を示唆する可能性があります。また、尾、腹部、獲物による引きずり跡は、行動に関する追加の手がかりとなります。

雪の中の動物の足跡の識別 

雪の中のtrack すべて、その動物のストーリーの一部を物語っている。それぞれの足跡の大きさや形、前足と後足の違い、爪跡の有無などによって、動物の種類や歩様、体重分布がわかる。例えば、キツネやコヨーテはしばしば目に見える爪痕を残すが、ヤマネコやマウンテンライオンは通常残さない。

足跡が単独で現れることはまれです。糞、毛、尾の跡、または近くの巣穴の入り口などの手がかりが、重要な背景情報を加えることがよくあります。雪の状態や重なり合う足跡が詳細をぼやけさせる可能性があるため、追跡者はいくつかの兆候を組み合わせて、より明確な全体像を把握します。雪の上の足跡の配置は特に役立ち、動物がどこに行ったかだけでなく、どのように移動し、行動していたかを強調します。

雪の中でよく見られる動物のtrack パターンをいくつか紹介しよう：

• ホッパー: ウサギやユキウサギは、強い後ろ足で地面を蹴り、小さめの前足の跡よりも後ろに大きな後ろ足の跡を残します。深雪の中では、ユキウサギは特に長い足跡を残します。
  ‍
  
• Bounders: イタチ、テン、ミンク、マスクラットは、前足と後足を一緒に前に跳ね上げ、2つずつのパターンを繰り返します。
  ‍
  
• 緩歩動物：アライグマ、スカンク、ビーバー、ヤマアラシ、およびクロクマはゆっくりと移動し、目に見える爪痕のある幅広のトラックを残します。
  ‍
  
• 完璧なステッパー: キツネとコヨーテは、前足が着地したほぼ同じ場所に後ろ足を置き、直線を作ります。コヨーテは直接的な経路をたどる傾向がありますが、飼い犬はジグザグに歩き回ります。

雪の中の動物の足跡の解釈における課題

足跡に関連するさまざまな手がかりがあるにもかかわらず、雪の中で動物を追跡することは依然として複雑になる可能性があります。雪の状態は、足跡がどのように見えるかに影響します。降ったばかりの雪は詳細を保持しますが、硬くて溶けかけている雪や新しく降った雪は、足跡を歪めたり覆ったりする可能性があります。 

風や日光がエッジをぼやけさせたり、複数の動物からの経路が重なり合って混乱を招いたりするため、天候も影響します。さらに、動物の行動も予測不可能性を高めます。 

スカンクやアメリカグマなど、冬眠する動物もいれば、不規則に移動したり、来た道を戻ったりする動物もいます。一方、森林では、シカ、ヘラジカ、エルクなどの足跡が、より小さな動物や捕食者の足跡と交差し、糞、毛皮、尻尾の引きずり跡などの痕跡から、動物の動きや生態を把握します。

動物の足跡をdetect するためのコンピュータ・ビジョンの利用法

雪の中の動物の足跡を分析するという課題に対処するため、研究者たちはコンピューター・ビジョンのような最先端技術に目を向け始めている。例えば、個々の足跡をdetect し、その位置を特定したり、重なり合った足跡を分離したり、さらには爪痕や歩行パターンといった種特有の特徴を認識するためにカスタムデータセットで学習させることができるコンピュータービジョンモデルを研究している。

具体的には、Ultralytics YOLO11 ようなモデルは、個々の足跡を識別して特定するために使用できるオブジェクト検出や、重なり合った足跡を分離できるインスタンス分割のようなコンピュータビジョンタスクをサポートします。動物の足跡のカスタムデータセットでYOLO11 ようなモデルをトレーニングすることで、研究者は種固有のパターンを認識しやすくし、重なり合った足跡を区別し、手作業で観察するよりも一貫性のある結果を生成することができる。

コンピュータビジョンと動物の足跡分析に関する研究

さて、コンピュータ・ビジョンが動物の足跡をtrack する方法を見てきたところで、この技術が実際の研究でどのように応用されているかを見ていこう。

FITからオープンデータセットへ

長年、ほとんどの足跡調査は、足跡識別技術（FIT）に依存してきました。FITは、各足跡の特定のポイントをマークし、それらの測定値を使用して動物を区別します。効果的ではありますが、プロセスが遅く、訓練された専門家が必要であり、野生で何千ものトラックを分析しようとする場合には実用的ではありません。

中国東北部におけるアムールトラに関する最近の研究では、FITが雪の中の足跡から個体を識別できることさえ実証され、絶滅危惧種の捕食動物を監視するための信頼性の高い非侵襲的な方法を提供しています。 

‍

しかし、研究者たちはその限界も強調しました。それは、労働集約的で、拡張が難しいということです。重要なことに、彼らは、コンピュータビジョンが将来このプロセスを自動化し、手動測定の必要性を減らしながら、はるかに大規模なデータセットを処理できるようになる可能性があると指摘しました。

OpenAnimalTracksのようなプロジェクトは、泥、砂、雪に覆われた18種の何千もの足跡をラベル付けした公開データセットであり、このシフトはすでに始まっている。このようなリソースがあれば、足跡を自動的にdetect classify するためにVision AIモデルを訓練することができ、野生生物のモニタリングをより迅速かつ身近なものにすることができる。

FITを基礎とし、オープンデータセットやコンピュータービジョンと組み合わせることで、保全研究は、動物そのものを邪魔することなく、種のtrack 生態系の保護を可能にするスケーラブルなシステムへと向かっている。

主なポイント

雪の中の動物の足跡は、動物がどのように移動し、行動し、生息地を利用しているかを示している。手作業で動物の足跡を読み取るには忍耐と経験が必要だが、コンピューター・ビジョンを使えば、そのプロセスをより効率的に行うことができる。YOLO11 ようなツールを人間の知識と併用することで、野生生物のモニタリングがより合理化され、保全活動に役立ち、種の保護に役立つデータが得られる。

成長を続けるコミュニティに参加しませんか？GitHubリポジトリでAIについてもっと学びましょう。ソリューションページでは、製造業におけるコンピュータビジョンや物流におけるAIについてご紹介しています。コンピュータビジョンを使った開発を始めるには、ライセンスオプションをご覧ください。