コンピュータビジョンを使った雪上の動物の足跡の分析

この記事で扱う概念を視覚的に理解するには、以下の動画をご覧ください。

雪は、ほかの自然の表面と同様に、野生動物の活動の記録を残すことがあります。例えば、雪に残された足跡から、どの動物が通ったのか、どのように移動したのか、何をしていたのかを知ることができます。

何十年もの間、ハイカーやハンター、研究者は、野生動物の行動について詳しく知るために、こうした足跡を研究してきました。しかし、その作業は必ずしも信頼できるとは限りません。雪は移動することがあり、風によって細部がぼやけ、重なった足跡によって識別が難しくなることもあります。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. 新雪に保存されたヒョウの足跡。（出典）

現在では、技術の進歩によって、こうした痕跡を解釈しやすくなっています。特に、コンピュータービジョンは、機械が視覚データを正確かつ高速に分析できるようにするAIの一分野であり、動物の足跡の検出や理解に利用できます。例えば、Ultralytics YOLO11のようなモデルは、動物の足跡画像に含まれる形状やパターンを検出できるようにトレーニングできます。

この記事では、雪上の動物の足跡がどのように保存されるのか、野生動物について何が分かるのか、そしてコンピュータービジョンによって追跡がどのように効率化されるのかを見ていきます。

雪上の動物の足跡の重要性#

動物の足跡とは、動物が雪や土、泥などの表面を移動した際に残る跡です。雪の状態が適切であれば、爪の跡や肉球、前足と後ろ足の違いなど、土や草では検出しにくい細部が、こうした足跡により鮮明に残ることがあります。

図2. 異なる表面に残る動物の足跡。（出典）

種の特定だけでなく、足跡の間隔や配置、微妙な変化から、移動、行動、環境との相互作用について多くのことが分かります。これにより、研究者やハイカー、野生動物愛好家は、動物の活動に関する貴重な洞察を得られます。

足跡を読み取る際に研究者が注目する主な特徴には、次のようなものがあります。

• 前足と後ろ足の違い: 前足と後ろ足の大きさや形状の違いから、動物がどのように体重を分散し、環境の中を移動しているかが分かります。
• 肉球の跡または動物の足跡: 足跡の全体的な輪郭と大きさから、その跡を残した種を特定できます。
• 爪の跡: コヨーテやキツネ、イヌなどのイヌ科動物の足跡には通常、爪の跡が見られます。一方、ボブキャットやイエネコ、ピューマなどのネコ科動物の足跡には、動物が走っている場合や滑りやすい地面を移動している場合を除き、通常は爪の跡が見られません。
• 足跡のパターン: 足跡の配置から動物の行動を知ることができます。コヨーテやキツネは直線状の足跡を残すことが多い一方、飼いイヌはジグザグに歩く傾向があります。
• 左右の足跡の幅と引きずり跡: 左右の足跡間の幅（ストラドル）は種や歩き方によって異なり、ストラドルの変化から移動速度や警戒の度合いを推測できます。また、尾や腹部、獲物による引きずり跡から、活動に関するさらなる手掛かりを得られます。

雪上の動物の足跡を識別する#

雪上のすべての足跡には、動物の行動を示す一部の情報が含まれています。それぞれの足跡の大きさと形状、前足と後ろ足の違い、爪の跡の有無から、種や歩き方、体重の分散状態を知ることができます。例えば、キツネやコヨーテには爪の跡がはっきり残ることが多い一方、ボブキャットやピューマには通常、爪の跡が残りません。

足跡が単独で現れることはほとんどありません。糞や毛の断片、尾を引きずった跡、近くの巣穴の入り口などの手掛かりから、重要な状況情報を得られることがあります。雪の状態や重なった足跡によって細部がぼやけるため、追跡者は複数の痕跡を組み合わせて、より明確な全体像を作り上げます。雪上での足跡の配置は特に有用で、動物がどこへ行ったのかだけでなく、どのように移動し、行動していたのかも明らかにします。

雪上で見られる一般的な動物の足跡パターンには、次のようなものがあります。

• ホッパー: ウサギやカンジキウサギは強い後ろ足で地面を蹴り、小さな前足の跡より前方に大きな後ろ足の跡を残します。雪が深い場合、カンジキウサギは特に長い足跡を残します。
• バウンダー: イタチやテン、ミンク、マスクラットは前足と後ろ足をそろえて前方へ跳び、2つずつ繰り返すパターンを形成します。
• アンブラー: アライグマやスカンク、ビーバー、ヤマアラシ、クロクマはゆっくり移動し、爪の跡が見える幅広い足跡を残します。
• パーフェクト・ステッパー: キツネやコヨーテは、後ろ足を前足が着いた場所のほぼ同じ位置に置くため、直線状の足跡ができます。コヨーテはまっすぐな経路を進む傾向がある一方、飼いイヌはジグザグに歩きます。

雪上の動物の足跡を解釈する際の課題#

足跡に関するさまざまな手掛かりがあっても、雪上で動物を追跡する作業は依然として複雑です。雪の状態は足跡の見え方に影響します。新雪は細部を保存しますが、硬い雪や融けかけた雪、降ったばかりの雪によって、足跡が変形したり覆われたりすることがあります。

天候も影響します。風や日光によって縁がぼやけることがあり、複数の動物による重なった経路が混乱を招く場合もあります。さらに、動物の行動によって予測が難しくなります。

スカンクやクロクマなど一部の種は冬眠しますが、ほかの動物は不規則に移動したり、自分の足跡をたどって戻ったりします。一方、森林では、シカやヘラジカ、エルクの足跡が小型動物や捕食者の足跡と交差することが多く、糞や毛、尾を引きずった跡などの追加の痕跡を使って、移動や行動を理解します。

コンピュータービジョンを用いた動物の足跡の検出方法#

雪上の動物の足跡を分析する際の課題に対応するため、研究者はコンピュータービジョンのような最先端技術を活用し始めています。例えば、個々の足跡を検出して位置を特定し、重なった足跡を分離し、カスタムデータセットでトレーニングして、爪の跡や歩き方のパターンなど種固有の特徴を認識できるコンピュータービジョンモデルを検討しています。

具体的には、Ultralytics YOLO11のようなモデルは、個々の肉球の跡を識別して位置を特定できる物体検出や、重な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コンピュータービジョンタスクに対応しています。動物の足跡を集めたカスタムデータセットでYOLO11の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、重なった足跡を区別し、手作業による観察よりも一貫性の高い結果を得やすくなります。

コンピュータービジョンと動物の足跡分析に関する研究#

ここまで、コンピュータービジョンによって動物の足跡を追跡する方法を見てきました。次に、この技術が実際の研究でどのように応用されているのかを見ていきます。

FITからオープンデータセットへ#

これまで何年もの間、足跡に関する研究の大半は足跡識別技術（FIT）に依存してきました。FITでは、各足跡上の特定の点に印を付け、その測定値を使って動物を識別します。効果的ではあるものの、この作業には時間がかかり、訓練を受けた専門家が必要です。そのため、野生環境で数千もの足跡を分析する場合には現実的ではありません。

中国東北部のアムールトラを対象とした最近の研究では、FITによって雪上の足跡から個体まで識別できることが実証されました。これは、絶滅危惧の捕食者を監視するための、信頼性が高く非侵襲的な方法となります。

図3. 雪上のトラの足跡。（出典: sciencedirect.com）

しかし、研究者はその限界も指摘しています。作業集約的で、規模を拡大することが難しい点です。特に、コンピュータービジョンによって将来的にこのプロセスを自動化し、手作業による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可能性があると述べています。

この変化は、OpenAnimalTracksのようなプロジェクトによって、すでに始まっています。OpenAnimalTracksは、泥、砂、雪の上に残った18種、数千件のラベル付き足跡を収録した公開データセットです。このようなリソースを使えば、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・分類できるため、野生動物のモニタリングをより迅速かつ利用しやすくできます。

図4. OpenAnimalTracksデータセットの概要（出典）

FITの基盤を活用し、オープンデータセットとコンピュータービジョンを組み合わせることで、保全研究は、動物を一切妨げることなく種を追跡し、生態系を保護できる、拡張性の高いシステムへと進んでいます。

主なポイント#

雪上の動物の足跡から、動物がどのように移動し、行動し、生息地を利用しているのかが分かります。足跡を手作業で読み取るには忍耐と経験が必要ですが、コンピュータービジョンによってそのプロセスを効率化できます。Ultralytics YOLO11のようなツールを人間の知識と組み合わせることで、野生動物のモニタリングを効率化し、保全活動を支援し、種の保護に役立つデータを提供できます。

成長を続けるコミュニティに参加しましょう！GitHubリポジトリを確認して、AIについて詳しく学んでください。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ービジョンと物流におけるAIについて紹介しています。コンピューター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確認ください。