正如犯罪現場的足跡可以成為重要證據一樣，野生動物的足跡對于野生動物保護主義者來說也同樣有價值。

每個物種——以及該物種中的每一種動物——都有其獨特的足跡。每一個足跡及其下面的基質都講述了一個關于動物活動和環境的故事。從足跡中收集的信息有助于保護主義者追蹤野生動物的行為并監測瀕危物種。這些信息也有助于保護地球上的生物多樣性。

全力以赴

動物保護主義者可以從足跡中學到很多東西，但手動處理所有信息是一項繁瑣的任務。野生動物保護組織WildTrack創建了足跡識別技術(FIT)，作為一種非侵入性的方法來監測野生動物。測量動物足跡的數字圖像以創建地理輪廓，然后進行分析以確定動物的物種、年齡等級、性別和個體身份。

FIT 非常準確，但是很費時間。每個圖像都需要現場專家的手動數據輸入和注釋。即使輸入了所有數據，由于人力和地理限制，分析速度也很慢。為了加快這一過程并支持從全球公民科學家那里收集數據，WildTrack尋求一種基于人工智能的圖像分析解決方案。

動物保護主義者與加州大學伯克利分校的一組研究人員合作，使 FIT 流程自動化。由此產生的工具集成了 JMP 數據可視化軟件和 SAS 數據分析，利用人工智能、計算機視覺和機器學習來更快、更準確地識別和分析動物足跡。SAS和英特爾是開發全球分析解決方案的長期合作伙伴。WildTrack 目前正在野外現場使用端到端解決方案。

圖像分析取得成功

為了訓練算法，研究人員在一塊準備好的土地上引誘老虎和其他野生動物。他們拍攝了每只腳的多張圖像——每頭動物的四只腳相當于可以收集數據的四倍。

世界各地的公民科學家也可以上傳照片。研究人員、追蹤者和公民科學家可以下載智能手機應用程序，從世界任何地方上傳圖像。圖像和相關數據(例如位置、日期和時間)被輸入基于 AI 的平臺，該平臺可以識別數十種物種，準確率超過 90%。此外，來自senseFly的eBeeX無人機配備了支持空中數據收集的接口。

WildTrack 數據庫包含犀牛、貘和熊的足跡。擴大的數據收集進一步加強了機器學習算法，并鼓勵研究人員進行討論。此外，上傳圖像的人可以在線跟蹤該動物的活動。

基于 AI 的解決方案使 WildTrack 團隊能夠擴展其研究。最初的足跡識別現在包括其他生物特征，包括毛色、毛型和叫聲。WildTrack可以監測遷徙模式、交配活動、覓食和狩獵行為以及社會群體。足跡下面基質的不同表明了濕度水平、天氣條件和步態變化，后者可以指示行走速度或受傷信號。

對機器學習算法的調整也將支持其他領域的研究。基于人工智能的解決方案可用于統計和監測瀕危動物，并防止偷獵。未來的用途可能包括根據海龜獨特的殼型來追蹤它們，識別動植物的類型和健康狀況，或者探測和監測動物或人類活動的蹤跡。