컴퓨터 비전을 사용한 눈 위 동물 발자국 분석

이 글에서 다루는 개념을 시각적으로 설명하는 영상은 아래에서 확인할 수 있습니다.

눈은 다른 자연 표면과 마찬가지로 야생동물의 활동 기록을 남길 수 있습니다. 예를 들어 눈에 남은 발자국을 통해 어떤 동물이 지나갔는지, 어떻게 이동했는지, 무엇을 하고 있었는지 확인할 수 있습니다.

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

그림 1. 새로 내린 눈에 보존된 표범 발자국. (출처)

이제 기술 발전으로 이러한 흔적을 더 쉽게 해석할 수 있게 되었습니다. 특히 기계가 시각 데이터를 정확하고 빠르게 분석할 수 있도록 하는 AI의 한 분야인 컴퓨터 비전을 사용하면 동물 발자국을 탐지하고 이해할 수 있습니다. 예를 들어 Ultralytics YOLO11과 같은 모델을 학습시켜 동물 발자국 이미지에서 형태와 패턴을 탐지할 수 있습니다.

이 글에서는 눈 속 동물 발자국이 어떻게 보존되는지, 발자국이 야생동물에 대해 무엇을 알려 주는지, 그리고 컴퓨터 비전이 추적 작업을 어떻게 더 효율적으로 만드는지 살펴보겠습니다.

눈 속 동물 발자국의 중요성#

동물 발자국은 동물이 눈, 흙, 진흙과 같은 표면을 지나갈 때 남기는 흔적입니다. 눈 상태가 적절하면 이러한 발자국에는 발톱 자국, 발가락 패드, 앞발과 뒷발의 차이처럼 흙이나 풀에서는 확인하기 어려운 세부 형태가 더 선명하게 보존되는 경우가 많습니다.

그림 2. 다양한 표면에 남은 동물 발자국. (출처)

종을 식별하는 것 외에도 발자국의 간격, 배열, 미묘한 변화는 이동 방식, 행동, 환경과의 상호작용에 대해 많은 정보를 제공하며, 연구자, 하이커, 야생동물 애호가가 동물의 활동을 이해하는 데 귀중한 통찰을 제공합니다.

연구자들이 발자국을 해석할 때 살펴보는 주요 특징은 다음과 같습니다.

• 앞발과 뒷발 비교: 앞발과 뒷발의 크기와 형태 차이는 동물이 체중을 어떻게 분산하고 환경을 어떻게 이동하는지 보여 줍니다.
• 발바닥 자국 또는 동물 발자국: 발자국의 전체 윤곽과 크기를 통해 어떤 종이 남긴 흔적인지 식별할 수 있습니다.
• 발톱 자국: 코요테, 여우, 개와 같은 개과 동물의 발자국에는 일반적으로 발톱 자국이 나타나는 반면, 살쾡이, 집고양이, 퓨마를 포함한 고양잇과 동물의 발자국에는 동물이 달리거나 미끄러운 지면에서 움직이는 경우가 아니면 대개 나타나지 않습니다.
• 발자국 패턴: 발자국의 배열은 동물 행동을 보여 줄 수 있습니다. 코요테와 여우는 직선으로 이어지는 흔적을 남기는 경우가 많지만, 집개는 지그재그 경로로 돌아다니는 경향이 있습니다.
• 보폭과 끌린 흔적: 왼쪽 발자국과 오른쪽 발자국 사이의 너비인 보폭은 종과 보행 방식에 따라 달라지며, 보폭의 변화는 이동 속도나 경계심을 나타낼 수 있습니다. 또한 꼬리, 배 또는 먹잇감이 끌리며 생긴 흔적은 활동에 대한 추가 단서를 제공합니다.

눈 속 동물 발자국 식별하기#

눈에 남은 모든 발자국은 동물의 이야기 일부를 들려줍니다. 각 발자국의 크기와 형태, 앞발과 뒷발의 차이, 발톱 자국의 유무를 통해 종, 보행 방식, 체중 분포를 파악할 수 있습니다. 예를 들어 여우와 코요테는 눈에 보이는 발톱 자국을 남기는 경우가 많지만, 살쾡이와 퓨마는 대개 그렇지 않습니다.

발자국은 단독으로 나타나는 경우가 드뭅니다. 배설물, 털 조각, 꼬리가 끌린 흔적, 근처의 굴 입구와 같은 단서가 중요한 맥락을 더해 주는 경우가 많습니다. 눈 상태와 겹쳐진 흔적으로 세부 형태가 흐려질 수 있기 때문에 추적자는 여러 흔적을 함께 활용해 더 명확한 상황을 파악합니다. 눈 위 발자국의 배열은 특히 유용하며, 동물이 어디로 갔는지뿐만 아니라 어떻게 이동하고 행동했는지도 보여 줍니다.

눈에서 발견되는 일반적인 동물 발자국 패턴은 다음과 같습니다.

• 도약형: 토끼와 눈신토끼는 강한 뒷다리로 몸을 밀어내며, 작은 앞발 자국보다 앞쪽에 큰 뒷발 자국을 남깁니다. 눈이 깊으면 눈신토끼가 특히 긴 흔적을 만듭니다.
• 뜀뛰기형: 족제비, 담비, 밍크, 사향쥐는 앞발과 뒷발을 함께 모아 앞으로 뛰면서 2×2 형태가 반복되는 패턴을 만듭니다.
• 느린 보행형: 라쿤, 스컹크, 비버, 호저, 흑곰은 천천히 이동하며 발톱 자국이 보이는 넓은 발자국을 남깁니다.
• 정확한 발디딤형: 여우와 코요테는 뒷발을 앞발이 디딘 자리와 거의 같은 곳에 놓아 직선을 만듭니다. 코요테는 곧은 경로로 이동하는 경향이 있지만, 집개는 지그재그로 돌아다닙니다.

눈 속 동물 발자국 해석의 어려움#

발자국과 관련된 다양한 단서가 있어도 눈 속에서 동물을 추적하는 일은 여전히 복잡할 수 있습니다. 눈 상태는 발자국이 나타나는 방식에 영향을 줍니다. 새로 내린 눈은 세부 형태를 보존하지만, 딱딱하게 굳은 눈, 녹는 눈, 새로 쌓인 눈은 발자국을 왜곡하거나 덮을 수 있습니다.

바람과 햇빛이 가장자리를 흐리게 할 수 있고 여러 동물이 지나간 흔적이 겹치면 혼란이 생길 수 있으므로 날씨도 영향을 미칩니다. 이뿐만 아니라 동물의 행동도 예측하기 어려운 요인으로 작용합니다.

스컹크와 흑곰 같은 일부 종은 겨울에 동면하는 반면, 다른 종은 불규칙하게 이동하거나 지나온 길을 되짚어 가기도 합니다. 한편 숲에서는 사슴, 말코손바닥사슴, 엘크의 발자국이 소형 동물이나 포식자의 흔적과 자주 교차하며, 배설물, 털, 꼬리가 끌린 흔적과 같은 추가 단서를 사용해 이동과 행동을 파악합니다.

컴퓨터 비전으로 동물 발자국을 탐지하는 방법#

눈 속 동물 발자국 분석의 어려움을 해결하기 위해 연구자들은 컴퓨터 비전과 같은 최첨단 기술을 활용하기 시작했습니다. 예를 들어 개별 발자국을 탐지하고 위치를 파악하며, 겹친 발자국을 분리하고, 맞춤형 데이터셋으로 학습해 발톱 자국이나 보행 패턴과 같은 종별 특징을 인식할 수 있는 컴퓨터 비전 모델을 연구하고 있습니다.

구체적으로 Ultralytics YOLO11과 같은 모델은 개별 발자국을 식별하고 위치를 파악하는 데 사용할 수 있는 객체 탐지와 겹친 발자국을 분리할 수 있는 인스턴스 세그멘테이션 등의 컴퓨터 비전 작업을 지원합니다. 연구자들은 YOLO11과 같은 모델을 동물 발자국으로 구성된 맞춤형 데이터셋으로 학습시켜 종별 패턴을 더 쉽게 인식하고, 겹친 발자국을 구분하며, 수동 관찰보다 일관된 결과를 생성할 수 있습니다.

컴퓨터 비전과 동물 발자국 분석 연구#

지금까지 컴퓨터 비전이 동물 발자국을 추적하는 방법을 살펴보았으므로, 이제 이 기술이 실제 연구에 어떻게 적용되고 있는지 알아보겠습니다.

FIT에서 오픈 데이터셋까지#

수년 동안 대부분의 발자국 연구는 발자국 식별 기술(FIT)에 의존해 왔습니다. FIT는 각 발자국의 특정 지점을 표시하고 해당 측정값을 사용해 동물을 구분합니다. 효과적이지만 이 과정은 느리고 숙련된 전문가가 필요하며, 야생에서 수천 개의 발자국을 분석하려는 경우에는 실용적이지 않습니다.

최근 중국 동북부의 아무르호랑이에 관한 연구는 FIT가 눈 속 발자국만으로 개체까지 식별할 수 있음을 보여 주었으며, 멸종 위기에 처한 포식자를 모니터링하는 신뢰할 수 있는 비침습적 방법을 제시했습니다.

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

그러나 연구자들은 FIT의 한계도 강조했습니다. 즉, 노동 집약적이며 확장하기 어렵다는 점입니다. 또한 컴퓨터 비전을 사용하면 향후 이 과정을 자동화하여 수동 측정의 필요성을 줄이는 동시에 훨씬 더 큰 데이터셋을 처리할 수 있다고 지적했습니다.

이러한 변화는 이미 OpenAnimalTracks와 같은 프로젝트를 통해 시작되고 있습니다. OpenAnimalTracks는 진흙, 모래, 눈에 남은 18개 종의 라벨링된 발자국 수천 개를 포함하는 공개 데이터셋입니다. 이와 같은 리소스를 사용하면 비전 AI 모델을 학습시켜 발자국을 자동으로 탐지하고 분류할 수 있으므로 야생동물 모니터링을 더 빠르고 쉽게 수행할 수 있습니다.

그림 4. OpenAnimalTracks 데이터셋 살펴보기 (출처)

FIT의 기반 위에 오픈 데이터셋과 컴퓨터 비전을 결합함으로써 보전 연구는 동물을 전혀 방해하지 않고도 종을 추적하고 생태계를 보호할 수 있는 확장 가능한 시스템으로 나아가고 있습니다.

핵심 요점#

눈 속 동물 발자국은 동물이 어떻게 이동하고 행동하며 서식지를 이용하는지 보여 줍니다. 발자국을 수작업으로 해석하려면 인내심과 경험이 필요하지만, 컴퓨터 비전은 이 과정을 더 효율적으로 만듭니다. Ultralytics YOLO11과 같은 도구를 사람의 지식과 함께 사용하면 야생동물 모니터링을 간소화하고, 보전 활동을 지원하며, 종을 보호하는 데 유용한 데이터를 확보할 수 있습니다.

성장하는 커뮤니티에 참여해 보십시오! GitHub 저장소를 살펴보고 AI에 대해 자세히 알아보십시오. 솔루션 페이지를 방문하여 제조 분야의 컴퓨터 비전과 물류 분야의 AI를 알아보십시오. 컴퓨터 비전 구축을 시작하려면 라이선싱 옵션을 확인해 보십시오.