컴퓨터 비전을 활용한 눈 위 동물 발자국 분석

이 글에서 다룬 개념을 시각적으로 설명하는 내용은 아래 동영상에서 확인할 수 있습니다.

눈은 다른 자연 표면과 마찬가지로 야생동물의 활동 흔적을 남길 수 있습니다. 예를 들어 눈 위에 남은 발자국을 통해 어떤 동물이 지나갔는지, 어떻게 이동했는지, 무엇을 했는지 알 수 있습니다.

수십 년 동안 등산객, 사냥꾼, 연구자들은 야생동물의 행동을 더 잘 이해하기 위해 이러한 발자국을 연구해 왔습니다. 하지만 이 과정이 항상 신뢰할 수 있는 것은 아닙니다. 눈이 변형되고 바람이 세부 흔적을 흐리게 하며, 발자국이 겹치면 식별이 어려워질 수 있습니다. 숙련된 관찰자도 중요한 패턴을 놓칠 수 있습니다.

그림 1. 새로 내린 눈에 보존된 표범 발자국. (출처)

기술의 발전으로 이제 이러한 흔적을 더 쉽게 해석할 수 있습니다. 특히 기계가 시각 데이터를 정확하고 빠르게 분석하도록 하는 AI 분야인 컴퓨터 비전을 활용하면 동물 발자국을 감지하고 이해할 수 있습니다. 예를 들어 Ultralytics YOLO11과 같은 모델은 동물 발자국 이미지에서 형태와 패턴을 감지하도록 학습시킬 수 있습니다.

이 글에서는 눈 위의 동물 발자국이 어떻게 보존되는지, 야생동물에 관해 무엇을 알려주는지, 그리고 컴퓨터 비전이 추적 작업의 효율성을 어떻게 높이는지 살펴보겠습니다.

눈 위에 남은 동물 발자국의 중요성#

동물 발자국은 눈, 흙, 진흙과 같은 표면 위를 이동하는 동물이 남긴 흔적입니다. 눈 상태가 적절하면 발톱 자국, 발가락 패드, 앞발과 뒷발의 차이와 같은 세부 흔적이 선명하게 보존되는 경우가 많습니다. 이러한 흔적은 흙이나 풀에서는 식별하기가 더 어렵습니다.

그림 2. 다양한 표면에 남은 동물 발자국. (출처)

발자국의 간격, 배열, 미묘한 변화는 종을 식별하는 것 외에도 이동 방식, 행동, 환경과의 상호작용에 관한 많은 정보를 연구자에게 알려줄 수 있어 연구자, 등산객, 야생동물 애호가가 동물의 활동을 파악하는 데 도움이 됩니다.

연구자들이 발자국을 살펴볼 때 주목하는 주요 특징은 다음과 같습니다.

• 앞발과 뒷발: 앞발과 뒷발의 크기 및 모양 차이는 동물이 체중을 분산하고 주변 환경을 이동하는 방식을 보여줍니다.
• 발자국의 형태와 크기: 발자국의 전체 윤곽과 크기는 어떤 종이 흔적을 남겼는지 식별하는 데 도움이 됩니다.
• 발톱 자국: 코요테, 여우, 개와 같은 갯과 동물의 발자국에는 일반적으로 발톱 자국이 보입니다. 반면 보브캣, 집고양이, 퓨마를 비롯한 고양잇과 동물은 달리거나 미끄러운 지면을 이동하는 경우가 아니면 대체로 발톱 자국이 보이지 않습니다.
• 발자국 패턴: 발자국 배열은 동물의 행동을 드러낼 수 있습니다. 코요테와 여우는 직선으로 이어지는 흔적을 남기는 경우가 많지만, 집개는 지그재그로 돌아다니는 경향이 있습니다.
• 좌우 발자국 간격과 끌린 흔적: 좌우 발자국 사이의 너비(보폭)는 종과 걸음걸이에 따라 다르며, 보폭의 변화는 이동 속도나 경계심을 나타낼 수 있습니다. 꼬리, 배 또는 먹잇감이 끌린 흔적도 활동에 관한 추가 단서를 제공합니다.

눈 위의 동물 발자국 식별하기#

눈 위의 모든 발자국에는 동물의 이야기가 일부 담겨 있습니다. 각 발자국의 크기와 모양, 앞발과 뒷발의 차이, 발톱 자국의 유무는 종, 걸음걸이, 체중 분산을 알려줄 수 있습니다. 예를 들어 여우와 코요테는 발톱 자국이 뚜렷하게 남는 경우가 많지만, 보브캣과 퓨마는 대체로 발톱 자국을 남기지 않습니다.

발자국이 단독으로 나타나는 경우는 드뭅니다. 배설물, 털 조각, 꼬리를 끈 흔적, 주변 굴 입구와 같은 단서가 중요한 맥락을 더해 주는 경우가 많습니다. 눈 상태와 겹친 흔적으로 세부 정보가 흐려질 수 있으므로 추적자는 여러 흔적을 함께 활용해 상황을 더 명확하게 파악합니다. 눈 위 발자국의 배열은 특히 유용하며, 동물이 어디로 갔는지뿐 아니라 어떻게 움직이고 행동했는지도 보여줍니다.

눈 위에서 흔히 발견되는 동물 발자국 패턴은 다음과 같습니다.

• 도약형: 토끼와 눈토끼는 강한 뒷다리로 땅을 박차며, 작은 앞발자국보다 앞쪽에 큰 뒷발자국을 남깁니다. 눈이 깊으면 눈토끼는 특히 긴 발자국을 남깁니다.
• 껑충뛰기형: 족제비, 담비, 밍크, 사향쥐는 앞발과 뒷발을 함께 모아 앞으로 도약하며, 반복되는 두 쌍의 패턴을 만듭니다.
• 느릿걸음형: 너구리, 스컹크, 비버, 호저, 아메리카흑곰은 천천히 움직이며 발톱 자국이 보이는 넓은 발자국을 남깁니다.
• 정렬 보행형: 여우와 코요테는 뒷발을 앞발이 놓였던 위치에 거의 맞춰 디뎌 직선 흔적을 만듭니다. 코요테는 대체로 직선 경로로 이동하지만 집개는 지그재그로 돌아다닙니다.

눈 위 동물 발자국 해석의 어려움#

발자국과 관련된 여러 단서가 있지만 눈 위에서 동물을 추적하는 일은 여전히 복잡할 수 있습니다. 눈 상태에 따라 발자국의 형태가 달라집니다. 새로 내린 눈은 세부 흔적을 보존하지만, 딱딱하게 굳은 눈이나 녹는 눈, 새로 쌓인 눈은 발자국을 변형하거나 덮을 수 있습니다.

날씨도 영향을 미칩니다. 바람과 햇빛은 발자국의 가장자리를 흐리게 할 수 있으며 여러 동물이 남긴 흔적이 겹치면 혼란이 생길 수 있습니다. 여기에 동물의 행동까지 더해지면 예측이 더욱 어려워집니다.

스컹크와 아메리카흑곰 같은 일부 종은 겨울잠을 자는 반면, 다른 종은 불규칙하게 움직이거나 지나온 흔적을 되짚어 이동합니다. 한편 숲에서는 사슴, 무스, 엘크의 발자국이 작은 동물이나 포식자의 흔적과 교차하는 경우가 많으며, 이동과 행동을 이해하기 위해 배설물, 털, 꼬리를 끈 흔적과 같은 추가 단서도 활용합니다.

컴퓨터 비전을 활용한 동물 발자국 감지 방법#

눈 위의 동물 발자국을 분석하는 과제를 해결하기 위해 연구자들은 컴퓨터 비전과 같은 기술을 활용하기 시작했습니다. 예를 들어, 개별 발자국을 탐지하고 위치를 파악하며 겹친 발자국을 분리하고, 발톱 자국과 보행 패턴처럼 종별 특징을 인식하도록 맞춤형 데이터셋으로 학습할 수 있는 컴퓨터 비전 모델을 연구하고 있습니다.

구체적으로 Ultralytics YOLO11과 같은 모델은 개별 발자국을 식별하고 위치를 찾는 데 활용할 수 있는 객체 감지, 겹친 흔적을 분리할 수 있는 인스턴스 분할과 같은 컴퓨터 비전 작업을 지원합니다. 동물 발자국 맞춤형 데이터셋으로 YOLO11과 같은 모델을 학습하면 종별 패턴을 더 쉽게 인식하고, 겹친 흔적을 구분하며, 수동 관찰보다 일관성 높은 결과를 얻을 수 있습니다.

동물 발자국 분석 연구와 컴퓨터 비전#

컴퓨터 비전이 동물 발자국을 추적하는 방법을 살펴보았으니, 이제 이 기술이 실제 연구에 어떻게 적용되는지 알아보겠습니다.

FIT에서 오픈 데이터셋까지#

수년 동안 대부분의 발자국 연구는 발자국 식별 기술(FIT)에 의존해 왔습니다. FIT는 각 발자국의 특정 지점에 표시를 하고 해당 측정값을 사용해 동물을 구분합니다. 효과적인 방법이지만, 시간이 오래 걸리고 숙련된 전문가가 필요하며 야생에서 수천 개의 발자국을 분석하려는 경우에는 실용적이지 않습니다.

중국 동북부의 아무르호랑이를 대상으로 한 최근 연구에서는 FIT가 눈 위 발자국으로 개체를 식별할 수도 있음을 보여주었습니다. 이를 통해 멸종 위기에 처한 포식자를 신뢰할 수 있고 비침습적인 방식으로 모니터링할 수 있습니다.

그림 3. 눈 위의 호랑이 발자국. (출처: sciencedirect.com)

그러나 연구자들은 이 방법의 한계도 강조했습니다. 노동 집약적이며 확장하기 어렵다는 점입니다. 특히 컴퓨터 비전으로 향후 이 과정을 자동화하면 훨씬 더 큰 데이터셋을 처리하면서 수동 측정의 필요성을 줄일 수 있다고 지적했습니다.

이러한 변화는 이미 진흙, 모래, 눈에서 수집한 18종의 라벨링된 발자국 수천 개를 포함하는 공개 데이터셋 OpenAnimalTracks와 같은 프로젝트를 통해 시작되고 있습니다. 이러한 자료를 활용하면 비전 AI 모델을 학습해 발자국을 자동으로 감지하고 분류할 수 있어 야생동물 모니터링이 더 빠르고 쉬워집니다.

그림 4. OpenAnimalTracks 데이터셋 살펴보기 (출처)

FIT의 기반을 활용하고 오픈 데이터셋과 컴퓨터 비전을 결합하면 보전 연구는 동물을 방해하지 않으면서 종을 추적하고 생태계를 보호하는 확장 가능한 시스템을 구축하는 방향으로 나아갈 수 있습니다.

핵심 요점#

눈 위의 동물 발자국은 동물이 이동하고 행동하며 서식지를 이용하는 방식을 보여줍니다. 발자국을 직접 판독하려면 인내심과 경험이 필요하지만, 컴퓨터 비전을 활용하면 이 과정의 효율성을 높일 수 있습니다. Ultralytics YOLO11과 같은 도구를 사람의 지식과 함께 활용하면 야생동물 모니터링을 효율화하고 보전 활동을 지원하며 종 보호에 유용한 데이터를 제공할 수 있습니다.

성장 중인 커뮤니티에 참여해 보세요! AI에 관해 더 알아보려면 GitHub 저장소를 살펴보세요. 솔루션 페이지를 방문해 제조 분야의 컴퓨터 비전과 물류 분야의 AI를 알아보세요. 컴퓨터 비전으로 개발을 시작하려면 라이선스 옵션을 확인해 보세요.