コンピュータビジョンを用いた雪上の動物の足跡の分析

本記事で扱う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、他の自然の地表と同様に、野生動物の活動の記録を残すことができます。例えば、雪に残された足跡は、どの動物がそこを通り、どのように移動し、何をしていたのかを明らかにします。

何十年もの間、ハイカーやハンター、研究者は、野生動物の行動を理解するためにこれらの足跡を研究してきました。しかし、そのプロセスが常に信頼できるとは限りません。雪は移動し、風によって詳細がぼやけ、足跡が重なることで識別が困難になることがあります。訓練を受けた観察者であっても、重要なパターンを見落とす可能性があります。

図 1: 新雪に残されたヒョウの足跡。(出典)

技術の進歩により、こうした兆候の解釈が容易になりつつあります。特に、機械が正確かつ高速に視覚データを分析できるようにするAIの分野であるcomputer visionを使用して、足跡を検出し、理解することができます。例えば、Ultralytics YOLO11のようなモデルをトレーニングして、足跡の画像内の形状やパターンを検出することができます。

本記事では、雪上の動物の足跡がどのように保存され、それが野生動物について何を明らかにするのか、そしてコンピュータビジョンがどのようにトラッキングを効率化しているのかを探ります。

雪上の動物の足跡の重要性#

動物の足跡は、雪、土、泥などの地表を動物が移動する際に残される跡です。適切な雪の状態であれば、これらの足跡は、土や草の中では検出が困難な爪の跡、足のパッド、前足と後ろ足の違いといった詳細を鮮明に保存することがよくあります。

図 2: さまざまな地面の上の動物の足跡。(出典)

種の識別だけでなく、足跡の間隔、配置、微妙な変化は、動物の動き、行動、環境との相互作用について多くのことを教えてくれます。これにより、研究者、ハイカー、野生動物愛好家に動物の活動に関する貴重な知見を提供します。

研究者が足跡を読み解く際に注目する主要な特徴の一部を以下に挙げます。

• 前足と後ろ足の違い: 前足と後ろ足のサイズや形状の違いは、その動物がどのように体重を分散させ、環境内を移動しているかを反映しています。
• 足跡（パウプリント）: 足跡の全体的な輪郭とサイズは、その足跡を残した種を特定するのに役立ちます。
• 爪の跡: コヨーテ、キツネ、イヌなどのイヌ科の足跡には通常、爪の跡が見られますが、ボブキャット、飼い猫やノネコ、マウンテンライオンなどのネコ科の足跡には、走っているか滑りやすい地面を移動していない限り、通常は現れません。
• 足跡のパターン: 足跡の配置からanimal behaviorが明らかになることがあり、コヨーテやキツネは直線的な跡を残す傾向がある一方で、飼い犬はジグザグの経路で歩き回る傾向があります。
• ストライドとドラグライン: 左右の足跡の間の幅（ストライド）は種や歩様によって異なり、ストライドの変化は移動速度や警戒心を示唆します。また、尻尾や腹部、獲物による引きずり跡（ドラグライン）は、活動に関する追加のヒントを与えてくれます。

雪上の動物の足跡の識別#

雪に残されたすべての足跡は、その動物の物語の一部を物語っています。それぞれの足跡のサイズと形状、前足と後ろ足の違い、爪の跡の有無から、種、歩様、体重配分を明らかにできます。例えば、キツネやコヨーテは目に見える爪の跡を残すことが多い一方、ボブキャットやマウンテンライオンは通常残しません。

足跡が単独で現れることは稀です。糞、毛の切れ端、尻尾の引きずり跡、近くの巣穴の入り口などの手がかりが、重要な背景情報を追加することがよくあります。雪の状態や重なり合う軌跡によって詳細がぼやけることがあるため、トラッカーは複数の兆候を総合して、より明確な全体像を構築します。雪上での足跡の配置方法は特に有用で、動物がどこへ行ったかだけでなく、どのように動き、振る舞っていたかを明らかにします。

雪の中で見られる一般的な動物の足跡パターンをいくつか紹介します。

• ホッパー（飛び跳ねる動物）: ウサギやユキウサギは強力な後ろ足で地面を蹴り、小さな前足の跡の前に大きな後ろ足の跡を残します。深い雪の中では、ユキウサギは特に長い足跡を残します。
• バウンダー（跳躍する動物）: イタチ、テン、ミンク、マスクラットは前足と後ろ足を一緒に前に飛ばし、繰り返される2対2のパターンを形成します。
• アンブラー（ゆっくり歩く動物）: アライグマ、スカンク、ビーバー、ヤマアラシ、ツキノワグマはゆっくりと移動し、爪の跡がはっきりと見える広い足跡を残します。
• パーフェクト・ステッパー（完璧に足を重ねる動物）: キツネやコヨーテは、前足が着地した場所に後ろ足をほぼ正確に重ね、直線を作ります。コヨーテは一直線に進む傾向がありますが、飼い犬はジグザグに歩き回ります。

雪上の動物の足跡を解釈する際の課題#

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、雪上の動物のトラッキングは依然として複雑です。雪の状態が足跡の見え方に影響を与えます。新雪は詳細を保持しますが、硬い雪、溶けかけの雪、降ったばかりの雪は足跡を歪めたり覆い隠したりすることがあります。

また、天候も重要な役割を果たします。風や日光が輪郭をぼかす可能性があり、複数の動物の経路が重なると混乱が生じます。さらに、動物の行動が予測不可能性を高めます。

スカンクやツキノワグマのように冬眠する種もいれば、不規則に動いたり、自分の軌跡をたどったりする種もいます。一方、森林ではシカ、ヘラジカ、エルクの足跡が小動物や捕食者の足跡と交差することが多く、動きや行動を理解するために糞、毛、尻尾の引きずり跡といった追加の兆候が使用されます。

コンピュータビジョンを使用して動物の足跡を検出する方法#

雪上の動物の足跡を分析する課題に対処するため、研究者たちは computer vision のような最先端技術に注目し始めています。例えば、個々の足跡を検出およびローカライズし、重なり合った足跡を分離し、さらにカスタムdatasetsでトレーニングして爪痕や歩行パターンなどの種固有の特徴を認識できる computer vision モデルを模索しています。

具体的には、Ultralytics YOLO11などのモデルは、個々の足跡の特定とローカライズ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セグメンテーションなどのcomputer vision tasksをサポートしています。YOLO11のようなモデルを動物の足跡のカスタムデータセットでトレーニングすることで、研究者は種固有のパターンの認識、重なり合った足跡の区別を容易にし、手動での観察よりも一貫性のある結果を生成できるようになります。

コンピュータビジョンと動物の足跡解析に関する研究#

コンピュータビジョンがどのように動物の足跡を追跡できるかがわかったところで、この技術が実際の研究にどのように適用されているかを見ていきましょう。

FITからオープンデータセットへ#

長年、足跡の研究のほとんどは足跡識別技術（FIT）に依存してきました。FITは各足跡に特定のマークを付け、その測定値を使用して動物を識別します。効果的ではありますが、そのプロセスは遅く、訓練を受けた専門家が必要であり、野生で何千もの足跡を分析しようとする場合には実用的ではありません。

中国東北部のAmur tigersに関する最近の研究では、FITが雪上の足跡から個体を識別できることさえ示されており、絶滅危惧種の捕 predators を監視するための信頼性が高く非侵襲的な方法が提供されています。

図3。雪上のトラの足跡。(出典: sciencedirect.com)

しかし、研究者らはその限界も強調しています。労働集約的であり、スケーリングが困難です。重要な点として、将来的にコンピュータビジョンがこのプロセスを自動化し、手動測定の必要性を減らしつつ、より大規模なデータセットを処理できる可能性があると彼らは指摘しました。

泥、砂、雪にわたる18種からの数千件のラベル付けされた足跡を含む公開データセットであるOpenAnimalTracksのようなプロジェクトにより、その変化はすでに始まっています。このようなリソースを使用することで、ビジョンAIモデルをトレーニングして足跡を自動的に検出し分類できるようになり、wildlife monitoringがより迅速かつアクセスしやすくなります。

図 4: OpenAnimalTracks データセットの概要 (出典)

FITの基礎を基盤とし、それらをオープンデータセットや computer vision と組み合わせることにより、conservation researchは、動物自体を一切邪魔することなく、種を追跡し生態系を保護できるスケーラブルなシステムへと移行しつつあります。

重要なポイント#

雪上の動物の足跡は、動物の移動、行動、および生息地の利用方法を示しています。手作業での識別には忍耐と経験が必要ですが、コンピュータビジョンを使用することでそのプロセスをより効率的に行うことができます。Ultralytics YOLO11などのツールを人間の知識と併用して活用することで、野生動物のモニタリングがより効率化され、保全活動の支援となり、種の保護に役立つ有用なデータが得られます。

成長を続けるcommunityに参加しましょう。GitHub repositoryを探索して、AIについて詳しく学びましょう。ソリューションページにアクセスして、computer vision in manufacturingやAI in logisticsについて発見してください。コンピュータビジョンを活用した開発を始めるには、licensing optionsをご確認ください。