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

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、これらの兆候を解釈することが容易になっています。特に、機械が視覚データを正確かつ迅速に分析できるAIの一分野であるコンピュータビジョンを使用して、動物の足跡を検出して理解することができます。たとえば、Ultralytics YOLO11のようなモデルをトレーニングして、動物の足跡の画像の形状とパターンを検出できます。

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、土、泥などの表面を移動する際に残る痕跡です。適切な雪の状態では、これらの足跡には、土や草では検出が難しい、爪の跡、足のパッド、前足と後足の違いなど、より鮮明な詳細が残ることがよくあります。 

‍

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。
  ‍
  
• 足跡または動物の足跡: 全体的な輪郭と足跡のサイズは、どの種が足跡を残したかを特定するのに役立ちます。
  ‍
  
• 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 

雪の中のすべての足跡は、動物の物語の一部を語っています。それぞれの足跡のサイズと形状、前足と後足の違い、爪痕の有無によって、種、歩き方、体重分布がわかります。たとえば、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ですが、ボブキャットやマウンテンライオンは通常そうではありません。

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。

雪の中で見られる一般的な動物の足跡パターンをいくつかご紹介します。

• 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。

コンピュータビジョンはどのように動物の足跡の検出に利用できるか

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に、研究者たちはコンピュータビジョンなどの最先端技術に目を向け始めています。たとえば、個々の足跡を検出し、重なり合う足跡を分離し、爪痕や歩行パターンなどの種固有の特徴を認識するためにカスタムデータセットでトレーニングできるコンピュータビジョンモデルを研究しています。

具体的には、Ultralytics YOLO11のようなモデルは、個々の足跡を識別して位置を特定するコンピュータビジョンタスク（物体検出など）や、重なり合う足跡を分離するインスタンスセグメンテーション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により、研究者は種固有のパターンを認識しやすくし、重なり合う足跡を区別し、手動観察よりも一貫性のある結果を生成できます。

コンピュータビジョンと動物の足跡分析に関する研究

コンピュータビジョンが動物の足跡をどのように追跡できるかを見てきたので、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順を追って説明します。

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。

その変化はすでにOpenAnimalTracksのようなプロジェクトで始まっています。これは、泥、砂、雪の上の18種の動物の足跡のラベルが付けられた数千の足跡を含む公開データセットです。このようなリソースを使用することで、Vision AIモデルは足跡を自動的に検出および分類するようにトレーニングでき、野生生物のモニタリングをより迅速かつアクセスしやすくすることができます。

FITの基礎を基に構築し、オープンデータセットとコンピュータビジョンを組み合わせることで、保全研究は、動物を邪魔することなく、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ています。

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ます。手作業で読み取るには忍耐と経験が必要ですが、コンピュータビジョンを使用すると、プロセスをより効率的に行うことができます。YOLO11などのツールを人間の知識と組み合わせて使用​​すると、野生生物のモニタリングが合理化され、保護活動が促進され、種の保護に役立つデータが得られます。

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。