コンピュータ・ビジョンによる雪上の動物足跡の解析

雪は他の自然の表面と同様、野生動物の活動の記録を作ることができる。例えば、雪に残された足跡から、どの動物がどのように移動し、何をしていたかを知ることができる。

何十年もの間、ハイカーやハンター、研究者たちは野生動物の行動をより深く知るために、この指紋を研究してきた。しかし、その過程は必ずしも信頼できるものではない。雪が移動したり、風で細部がぼやけたり、足跡が重なって識別が困難になったりすることもある。訓練された観察者でも、重要なパターンを見落とすことがある。

‍

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、動物の足跡を検出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検出するように訓練することができる。

この記事では、雪の中の動物の足跡がどのように保存されているのか、足跡から野生動物について何がわかるのか、そしてコンピューター・ビジョンがどのように追跡を効率化しているのかを探る。

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、土や草では見つけ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、足跡の間隔や配置、微妙な変化から、研究者は動きや行動、環境との相互作用について多くのことを知ることができ、研究者やハイカー、野生動物愛好家に動物の活動に関する貴重な洞察を提供することができる。

以下は、研究者がトラックを読む際に注目する主な特徴である：

• 前足と後ろ足：前足と後ろ足の大きさや形の違いは、動物が体重をどのように分散させ、環境の中を移動するかを反映している。
  
• 肉球や動物の足跡：足跡の全体的な輪郭と大きさによって、どの種の足跡かを特定する。
  
• 爪跡：コヨーテ、キツネ、イヌなどのイヌ科の動物の足跡には通常、爪跡が見られるが、ヤマネコ、家ネコ、マウンテンライオンなどのネコ科の動物の足跡には、動物が走っているか、滑りやすい地面を移動していない限り、通常、爪跡は見られない。
  
• 足跡のパターン：コヨーテやキツネは直線的な足跡を残すことが多いが、飼い犬はジグザグに歩き回ることが多い。
• ストラドルとドラッグライン：左右の足跡の幅（ストラドル）は種や歩様によって異なり、ストラドルの変化は移動速度や注意深さを示唆する。

雪の中の動物の足跡を識別する 

雪の中の足跡はすべて、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めったにない。スキャットや毛皮のかけら、尻尾の引きずり跡、近くの巣穴の入り口などが手がかりとなることが多い。雪の状態や重なり合った足跡は細部をぼやけさせることがあるため、トラッカーはいくつかの痕跡を総合して、より明確なイメージを構築する。足跡が雪の上にどのように配置されているかは、動物がどこに行ったかだけでなく、どのように移動し、どのように行動していたかを強調する上で特に役立つ。

雪の中でよく見られる動物の足跡のパターンをいくつか紹介しよう：

• ホッパー：ウサギやカンジキウサギは力強い後ろ足で押し出し、小さな足跡の前に大きな足跡を残す。雪深い場所では、スノーシューノウサギは特に長い足跡を残す。
  
• バウンダー：イタチ、テン、ミンク、ジャコウネコは、前足と後ろ足をそろえて前に飛び出し、2対2のパターンを繰り返す。
  
• 放浪者：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、爪跡の見える広い足跡を残す。
  
• 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位置に後ろ足を置き、直線を描く。コヨーテは直進する傾向があるが、飼い犬はジグザグに歩き回る。

雪の中の動物の足跡を解釈する上での課題

足跡に関するさまざまな手がかりがあるにもかかわらず、雪の中での動物の追跡は複雑である。雪の状態は足跡の見え方に影響する。新雪は細部を保つが、カサカサした雪や溶けたばかりの雪、あるいは降ったばかりの雪は足跡を歪めたり覆ったりする。 

また、風や日差しがエッジをぼやけさせたり、複数の動物の進路が重なったりして混乱を招くこともある。このほかにも、動物の行動が予測不可能性を高めている。 

スカンクやツキノワグマのように冬になると冬眠する種もいれば、不規則な動きをしたり、足跡を辿ったりする種もいる。一方、森林では、シカ、ヘラジカ、ヘラジカの足跡が小動物や捕食動物と交差することが多く、糞、毛皮、尾の引きずりなどの痕跡も、動きや行動を理解するために利用される。

動物の足跡を検出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、個々の足跡を検出し、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のようなモデルは、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解析の研究

さて、コンピュータ・ビジョンが動物の足跡を追跡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

長年にわたり、ほとんどの足跡調査は足跡識別技術（FIT）に頼ってきた。FITは、それぞれの足跡に特定のポイントをマーキングし、その測定値を使って動物を見分けるというものだ。効果的ではあるが、このプロセスは時間がかかり、訓練を受けた専門家が必要で、野生の何千もの足跡を分析しようとすると現実的ではない。

中国北東部の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識別までできることが実証され、絶滅の危機に瀕した肉食動物を監視する信頼性の高い非侵襲的な方法が提供された。 

しかし、研究者たちは、手間がかかり、スケールアップが難しいという限界も強調した。重要なのは、将来的にはコンピューター・ビジョンが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、はるかに大きなデータセットを扱えるようになる可能性があることだ。

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、足跡を自動的に検出して分類するために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、種の追跡や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。

要点

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の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。

成長中のコミュニティに参加しよう！GitHubリポジトリでAIについてもっと学びましょう。当社のソリューションページを訪問して、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を発見してください。コンピュータビジョンのライセンスオプションをご覧ください。