コンピュータービジョンを用いた雪上の動物の足跡分析

この記事で取り上げた概念を視覚的に解説した動画を、以下からご覧ください。

雪は、ほかの自然の地表と同じように、野生動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、何をしていたのかが分かります。

ハイカー、狩猟者、研究者は何十年もの間、野生動物の行動について知るためにこうした足跡を調べてきました。しかし、この方法は常に信頼できるとは限りません。雪が動いたり、風で細部がぼやけたり、足跡が重なって識別が難しくなったりします。経験豊富な観察者でも、重要なパターンを見落とすことがあります。

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、こうした痕跡の解釈が容易になりつつあります。特に、視覚データを高い精度と速度で機械が分析できるようにするAIの一分野であるコンピュータービジョンを用いて、動物の足跡を検出し、理解できます。たとえば、Ultralytics YOLO11などのモデルは、動物の足跡画像に含まれる形状やパターンを検出するようにトレーニングできます。

この記事では、雪の中で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の効率がどのように高まるのかを解説します。

雪に残された動物の足跡の重要性#

動物の足跡とは、動物が雪、土、泥などの地表を移動するときに残す痕跡です。適切な雪の状態では、爪痕、肉球、前足と後ろ足の違いなど、土や草では見つけにくい細部が、より鮮明に保存されることがよくあります。

図2. さまざまな地表に残された動物の足跡。(出典)

足跡の間隔、配置、微妙な違いからは、種の特定にとどまらず、移動、行動、環境との関わりについて多くのことが分かります。こうした情報は、研究者、ハイカー、野生動物愛好家にとって、動物の活動を理解するうえで貴重な手掛かりとなります。

研究者が足跡を読む際に注目する主な特徴をいくつか紹介します。

• 前足と後ろ足: 前足と後ろ足の大きさや形の違いから、動物が体重をどのように配分し、環境の中をどう移動するかが分かります。
• 肉球の跡や動物の足跡: 足跡全体の輪郭や大きさから、その跡を残した種を特定できます。
• 爪痕: コヨーテ、キツネ、犬などのイヌ科の足跡には通常、爪痕が見られます。一方、ボブキャット、飼い猫や家猫、ピューマなどのネコ科の足跡には、走っているときや滑りやすい地面を移動しているときを除き、通常は見られません。
• 足跡のパターン: 足跡の配置から動物の行動を推測できます。コヨーテやキツネは直線状の跡を残すことが多い一方、飼い犬はジグザグに歩き回る傾向があります。
• 左右の足跡の幅と引きずり跡: 左右の足跡の間隔（歩幅）は種や歩き方によって異なり、そ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、腹部、獲物による引きずり跡も、活動を知る手掛かりになります。

雪に残された動物の足跡を特定する#

雪に残された足跡はどれも、動物の物語の一部を伝えています。各足跡の大きさや形、前足と後ろ足の違い、爪痕の有無から、種、歩き方、体重のかかり方を推測できます。たとえば、キツネやコヨーテは爪痕を残すことが多い一方、ボブキャットやピューマには通常、爪痕が見られません。

足跡が単独で見つかることはほとんどありません。糞、毛、尾を引きずった跡、近くの巣穴の入り口といった手掛かりから、重要な背景情報が得られることがよくあります。雪の状態や重なり合う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、より明確な全体像を把握します。雪上の足跡の配置は特に有用で、動物がどこへ向かったかだけでなく、どのように移動し、行動していたかも分かります。

雪上でよく見られる動物の足跡パターンをいくつか紹介します。

• 跳躍型: 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。深い雪では、カンジキウサギは特に長い足跡を残します。
• 跳ね型: イタチ、テン、ミンク、マスクラットは前足と後ろ足をそろえて跳び進み、2つずつ繰り返すパターンを形成します。
• 緩歩型: アライグマ、スカンク、ビーバー、ヤマアラシ、アメリカクロクマはゆっくりと移動し、爪痕が見える幅広い足跡を残します。
• 一直線に歩く型: キツネやコヨーテは後ろ足を前足の跡にほぼ重ねて歩くため、直線状の足跡を残します。コヨーテは直線的に移動する傾向がある一方、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#

足跡に関連する手掛かりはさまざまありますが、雪上で動物を追跡するのは依然として複雑です。雪の状態によって足跡の見え方は変わります。新雪は細部を保存しますが、硬くなった雪、溶けかけた雪、降り積もったばかりの雪は、足跡をゆがめたり覆い隠したりすることがあります。

風や日光で足跡の輪郭がぼやけたり、複数の動物の足跡が重なって混乱を招いたりするなど、天候も影響します。さらに、動物の行動が予測を難しくします。

スカンクやアメリカクロクマなど、冬眠する種もいれば、不規則に移動したり、自分の足跡をたどり直したりする種もいます。一方、森林ではシカ、ヘラジカ、エルクの足跡が小型動物や捕食動物の足跡と交差することがよくあります。糞、毛、尾を引きずった跡などの追加の痕跡も、移動や行動を理解するために利用されます。

動物の足跡検出におけるコンピュータービジョンの活用#

雪上の動物の足跡を分析する課題に対処するため、研究者はコンピュータービジョンなどの技術に注目し始めています。たとえば、個々の足跡を検出して位置を特定し、重なり合った足跡を分離できるコンピュータービジョンモデルが検討されています。また、爪痕や歩き方のパターンなど、種ごとの特徴を認識できるよう、独自のデータセットで学習させることもできます。

具体的には、Ultralytics YOLO11などのモデルは、コンピュータービジョンタスクとして物体検出をサポートしており、個々の肉球の跡を特定して位置を特定できます。また、インスタンスセグメンテーションによって、重なった足跡を分離できます。動物の足跡を集めたカスタムデータセットでYOLO11などのモデルをトレーニングすると、種ごと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#

コンピュータービジョンによる動物の足跡追跡について見てきたところで、この技術が実際の研究でどのように活用されているのかを見ていきましょう。

FITからオープンデータセットへ#

長年にわたり、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。効果的な方法ではありますが、時間がかかり、専門家の訓練も必要です。野外で何千もの足跡を分析する場合には現実的ではありません。

中国北東部のアムールトラに関する最近の研究では、FITを使って雪上の足跡から個体を識別できることが示されました。これは、絶滅危惧種の捕食動物を監視するための、信頼性が高く非侵襲的な方法です。

図3. 雪上のトラの足跡。（出典: sciencedirect.com）

しかし研究者たちは、労力がかかり、規模を拡大しにくいという限界も指摘しました。重要なのは、コンピュータービジョンでこのプロセスを将来的に自動化できれば、手作業による測定を減らしながら、はるかに大規模なデータセットを扱える可能性があると述べていることです。

こうした移行は、泥、砂、雪の上に残された18種のラベル付き足跡を何千件も収録する公開データセット、OpenAnimalTracksのようなプロジェクトですでに始まっています。このようなリソースを使えば、Vision AIモデルをトレーニングして足跡を自動検出・分類できるため、野生動物の監視をより迅速かつ容易に行えます。

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の実現に向けて進んでいます。

重要なポイント#

雪上の動物の足跡からは、動物の移動、行動、生息地の利用状況が分かります。手作業で足跡を読むには根気と経験が必要ですが、コンピュータービジョンを活用すると、より効率的に進められます。Ultralytics YOLO11などのツールを人間の知識と組み合わせることで、野生動物の監視が効率化され、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ご参加ください。GitHubリポジトリでAIについて詳しくご覧ください。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ビジョンと物流におけるAIをご紹介しています。コンピュータビジョンの開発を始めるには、ライセンスオプションをご確認ください。