A Hybrid Computer Vision and AI Framework for Wildlife Hospital Patient Identification Systems: Kangaroo Facial Recognition as a Case Study

야생동물 병원의 조용한 구석에서는 매일같이 기억의 침묵 속에서 위기가 벌어지고 있습니다. 이 센터들은 부상당한 토착 동물들을 치료하는 안식처이지만, 반려동물과 달리 야생 동물 환자들은 이름도, 목줄도, 마이크로칩도 없이 도착합니다. 그들은 종종 너무 스트레스를 받아 다루기 어렵고, 너무 다쳐서 태그를 달 수도 없으며, 외형이 너무 비슷해 눈만으로는 구별하기가 매우 어렵습니다. 이들을 돌보는 자원봉사자들에게 특정 캥거루를 비슷한 외형의 무리 중에서 식별하는 일은 전적으로 인간의 기억력과 흉터나 귀의 일부 결손 같은 찰나의 시각적 단서에 의존해야 합니다. 이 시스템은 취약합니다. 자원봉사자가 떠나면 누가 누구인지에 대한 지식도 함께 사라지는 경우가 많아, 기록의 중복, 잘못된 처치, 그리고 기록의 유실 위험을 초래합니다. 이를 해결하기 위해 연구자들은 컴퓨터가 인간처럼 패턴을 보고 인식하도록 가르치는 컴퓨터 비전이라는 과학 분야로 눈을 돌리고 있습니다. 이를 인공지능, 특히 얼굴 사이의 미세한 차이를 측정하는 법을 배우는 방법론과 결합함으로써, 과학자들은 결코 잊지 않는 디지털 기억을 구축하여 병원이 구조 순간부터 야생으로 방사되는 순간까지 모든 환자를 추적할 수 있기를 희망하고 있습니다.

뉴사우스웨일즈주의 포섬우드 야생동물 회복 센터(Possumwood Wildlife Recovery Centre)에서 이 과제는 즉각적이고 지속적입니다. 동부 회색 캥거루가 입원 사례의 대부분을 차지하는데, 이들은 구별하기가 매우 까다롭기로 유명합니다. 동일한 사건으로 구조된 두 마리의 새끼 캥거루(joey)가 예를 들어 둘 다 고유한 표식이 없는 연조직 부상을 입었다면, 인간 관찰자에게는 너무나 구별 불가능해 보여 하나의 개체로 취급될 수 있습니다. 현재의 식별 방식은 얼굴을 기억하거나 임시 붕대를 기록하는 데 의존하는 수동적인 방식이며, 이는 주관적이고 오류가 발생하기 쉬우며, 구조되는 동물의 수가 늘어남에 따라 확장하는 것이 불가능합니다. 이를 해결하기 위해 시드니 공과대학교(University of Technology Sydney)와 포섬우드의 연구팀은 캥거루의 얼굴을 사용하여 개별 캥거루를 자동으로 식별하도록 설계된 새로운 시스템을 개발했습니다. 그들은 단순히 사진을 찍는 카메라를 만든 것이 아니라, 영상을 캡처하고, 동물의 얼굴을 찾아내며, 딥러닝을 사용하여 각 캥거루의 고유한 디지털 서명을 생성하는 완전한 워크플로우를 만들었습니다. 이를 통해 동물을 만지지 않고도 새로운 사진을 기존 환자 데이터베이스와 대조할 수 있게 되었습니다.

연구진은 회복 센터에서 직접 수집한 실제 데이터를 바탕으로 연구를 시작했습니다. 그들은 약 70마리의 개별 캥거루 이미지를 수집했으며, 각 동물이 올바르게 식별될 수 있도록 자원봉사자들과 협력했습니다. 이것은 통제된 실험실 환경이 아니었습니다. 동물들은 스트레스를 받고 있었고, 부상을 입었으며, 종종 움직이고 있었기에 데이터는 지저하고 처리하기 어려웠습니다. 흐릿한 이미지와 저품질 샷을 걸러낸 후, 그들은 최종적으로 68마리의 뚜렷한 개체 세트를 확보했습니다. 시스템을 훈련시키기 위해, 그들은 컴퓨터가 붕대의 색상이나 우리 배경 같은 무관한 세부 사항은 무시하고, 오로지 캥거루 얼굴의 미세하고 영구적인 특징에만 집중하도록 가르쳐야 했습니다. 그들은 수천 장의 이미지를 처리했으며, 영상을 개별 프레임으로 나누어 동물을 약간씩 다른 각도와 조명 조건에서 포착함으로써, 시스템이 단일 스냅샷이 아닌 동물의 진정한 정체성을 학습하도록 보장했습니다.

아이디어를 테스트하기 위해 팀은 세 가지 유형의 인공지능 모델을 구축하고 비교했습니다. 첫 번째 모델은 마치 인간이 캥거루가 머리를 움직이는 것을 관찰하듯 영상 프레임의 시퀀스를 살펴봄으로써, 단일 정지 영상보다 더 많은 정보를 수집하도록 설계되었습니다. 나머지 두 모델은 단 하나의 사진만을 사용하며, 두 얼굴이 얼마나 유사한지 결정하기 위해 서로 다른 수학적 전략을 사용했습니다. 이 중 하나의 단일 이미지 모델은 더 단순하고 빠르게 작동하도록 설계되었고, 다른 하나는 서로 다른 정체성을 더 엄격하게 분리하도록 구축되었습니다. 연구진은 이 세 가지 모델을 데이터셋으로 훈련시킨 후, 컴퓨터가 한 번도 본 적 없는 별도의 이미지 그룹을 통해 테스트했습니다. 목표는 시스템이 새로운 캥거루 사진을 보고 "이것은 어제 보았던 그 동물이다" 또는 "이것은 새로운 환자이다"라고 올داً 말할 수 있는지 확인하는 것이었습니다.

결과는 비디오 기반 접근 방식이 가장 효과적임을 보여주었습니다. 프레임 시퀀스를 분석한 모델은 테스트 세트에서 캥거루를 최적의 매치로 정확히 식별하는 데 95.1%의 성공률을 보였으며, 특히 이 폐쇄형 집합 평가(closed-set evaluation)에서 모든 쿼리에 대해 최적의 매치를 정확히 찾아내는 100%의 Rank-1 검색률을 달로 달성했습니다. 그러나 연구진은 이 완벽한 점수가 이 특정 테스트 설정에서의 상한선(upper bound)이지, 이 과제가 완전히 해결되었다는 증거로 간 만큼 주의해서 보아야 한다고 강조했습니다. 실제 환경에서의 새로운 환자와 개방형 쿼리는 더 큰 도전 과제를 제시하기 때문입니다. 단일 사진을 사용하는 더 단순한 모델들도 약 82%의 확률로 올바른 동물을 식별하며 좋은 성능을 보였는데, 이는 현재의 수동 방식보다 크게 개선된 것이지만 비디오 모델의 정밀도에는 미치지 못했습니다. 연구진은 비디오 모델이 몇 순간 동안 동물을 관찰하는 능력이 단일 정지 프레임에서는 놓칠 수 있는 귀의 모양이나 털의 질감 같은 미세한 세부 사항을 포착할 수 있게 해준다는 것을 발견했습니다. 또한 그들은 얼굴을 비교하는 데 사용되는 수학적 규칙의 엄격함이 중요하다는 것도 발견했습니다. 매우 닮은 캥거루들의 경우 부드러운 접근 방식이 더 효과적이었던 반면, 다른 경우에는 그들을 구별하기 위해 더 엄격한 접근 방식이 필요했습니다.

높은 정확도에도 불구하고 연구진은 자신들의 연구가 가진 한계점을 신중하게 언급했습니다. 이 시스템은 68마리의 상대적으로 작은 그룹을 대상으로 테스트되었으며, 실제 병원에서는 환자의 수가 끊임없이 증가합니다. 또한 연구는 잠재적인 함정도 강조했습니다. 컴퓨터는 때때로 잘못된 것을 학습할 수 있습니다. 한 사례에서 시스템은 특정 새끼 캥거루의 얼굴을 식별하는 데 매우 뛰어난 성능을 보였는데, 이는 얼굴 때문이 아니라 최근 먹이 섭취로 인해 코 주변에 묻은 우유 찌꺼기 때문이었습니다. 기계가 이 일시적인 특징을 영구적인 식별자로 붙잡아버린 것입니다. 이는 동물이 깨끗해지면 사라질 오류였습니다. 이는 기술이 강력하더라도, 기계가 찰나의 흔적이 아닌 동물 자체를 인식하고 있는지 확인하기 위해 인간의 감독이 반드시 필요하다는 점을 상기시켜 줍니다. 또한 연구진은 야생에서 캥거루들이 종종 무리로 나타나며, 현재 시스템은 한 번에 한 마리의 동물을 식별하도록 설계되어 있어 향후 개발을 위한 새로운 과제를 제시한다고 언급했습니다.

이 연구의 궁극적인 목표는 단순히 똑똑한 알고리즘을 만드는 것이 아니라, 야생동물 병원의 일상적인 리듬에 녹아들 수 있는 실용적인 도구를 만드는 것입니다. 제안된 시스템은 자원봉사자가 모바일 기기로 사진이나 짧은 영상을 촬영하는 것만으로 작동하도록 설계되어 비침습적입니다. 소프트웨어는 즉시 이미지를 병원의 데이터베이스와 대조하여 동물의 신원을 확인하거나 새로운 환자임을 표시할 것입니다. 이를 통해 자원봉사자들이 기억에 의존하거나 여러 사람과 교차 확인해야 하는 필요성을 없애줌으로써, 의료 기록 및 치료 계획의 오류 위험을 줄일 수 있습니다. 현재의 연구는 이러한 시스템이 통제된 테스트 내에서 기술적으로 가능하고 매우 정확하다는 것을 입증했지만, 연구진은 이 기술이 병원의 워크플로우에 통합되어 매년 수백 마리의 동물을 돌보는 직원들을 지원하게 될 미래를 구상하고 있습니다. 모든 부상당한 캥거루에게 지속적인 디지털 정체성을 부여함으로써, 이 시스템은 야생동물 재활을 더욱 효율적이고 안전하며 지속 가능하게 만들어, 바쁜 회복 센터의 혼란 속에서 어떤 동물도 잊히지 않도록 보장할 것입니다.