一种用于热带雨林濒危灵长类动物个体的身份识别算法

野生动物的持续性监测和保护需要获取动物个体身份信息。海南长臂猿是我国一级保护野生动物，目前仅有42只个体，仅分布于海南热带雨林国家公园霸王岭片区内。为了能够准确掌握海南长臂猿种群结构，迫切需要开发自动化的个体识别算法，提供海南长臂猿的个体身份信息。然而，海南长臂猿个体间的相似性导致了大部分有效视觉信息都分布在细粒度层面，使得提取和编码有区分性的个体特征极具挑战性。同时，由于海南长臂猿是树栖动物，长期生活在热带雨林冠层，树叶遮挡和光照不均匀现象使个体的关键信息丢失，导致单一尺度特征无法表征个体完整的视觉信息。我们基于深度卷积神经网络编码海南长臂猿个体层面的特征，利用Transformer架构远距离建模个体与所处环境之间的依赖关系，并提出高效的多尺度特征融合模块，快速地融合个体面部特征、身体姿态特征和环境特征。结果表明，算法模型在海南长臂猿26只成年个体上识别的准确率达到96.7％，在海南长臂猿7个家庭群上识别准确率为97.3％。模型可以充分关注到个体在不同尺度下的特征变化。除此之外，模型可以区分未知的野生长臂猿个体。