每个物种——以及该物种中的每一种动物都有其独特的足迹。每一个足迹及其下面的基质都讲述了一个关于动物活动和环境的故事。从足迹中收集的信息有助于保护主义者追踪野生动物的行为并监测濒危物种。这些信息也有助于保护地球上的生物多样性。
动物保护主义者可以从足迹中学到很多东西，但手动处理所有信息是一项繁琐的任务。野生动物保护组织WildTrack创建了足迹识别技术(FIT)，作为一种非侵入性的方法来监测野生动物。测量动物足迹的数字图像以创建地理轮廓，然后进行分析以确定动物的物种、年龄等级、性别和个体身份。
FIT 非常准确，但是很费时间。每个图像都需要现场专家的手动数据输入和注释。即使输入了所有数据，由于人力和地理限制，分析速度也很慢。为了加快这一过程并支持从全球公民科学家那里收集数据，WildTrack寻求一种基于人工智能的图像分析解决方案。
动物保护主义者与加州大学伯克利分校的一组研究人员合作，使 FIT 流程自动化。由此产生的工具集成了 JMP 数据可视化软件和 SAS 数据分析，利用人工智能、计算机视觉和机器学习来更快、更准确地识别和分析动物足迹。SAS和英特尔是开发全球分析解决方案的长期合作伙伴。WildTrack 目前正在野外现场使用端到端解决方案。
为了训练算法，研究人员在一块准备好的土地上引诱老虎和其他野生动物。他们拍摄了每只脚的多张图像——每头动物的四只脚相当于可以收集数据的四倍。
世界各地的公民科学家也可以上传照片。研究人员、追踪者和公民科学家可以下载智能手机应用程序，从世界任何地方上传图像。图像和相关数据(例如位置、日期和时间)被输入基于 AI 的平台，该平台可以识别数十种物种，准确率超过 90%。此外，来自senseFly的eBeeX无人机配备了支持空中数据收集的接口。
WildTrack 数据库包含犀牛、貘和熊的足迹。扩大的数据收集进一步加强了机器学习算法，并鼓励研究人员进行讨论。此外，上传图像的人可以在线跟踪该动物的活动。
基于 AI 的解决方案使 WildTrack 团队能够扩展其研究。最初的足迹识别现在包括其他生物特征，包括毛色、毛型和叫声。WildTrack可以监测迁徙模式、交配活动、觅食和狩猎行为以及社会群体。足迹下面基质的不同表明了湿度水平、天气条件和步态变化，后者可以指示行走速度或受伤信号。
对机器学习算法的调整也将支持其他领域的研究。基于人工智能的解决方案可用于统计和监测濒危动物，并防止偷猎。未来的用途可能包括根据海龟独特的壳型来追踪它们，识别动植物的类型和健康状况，或者探测和监测动物或人类活动的踪迹。
