濒危动物的保护对维持生物多样性至关重要。如果无法有效保护濒危动物,可能会导致地球生态系统失衡。随着全球变暖的加剧,濒危动物栖息地的丧失,濒危动物的保护变得越来越严峻。如果能及时并准确地识别濒危动物个体,就可以长期跟踪了解动物及其种群的行为和生活状态,从而更加有效地保护它们。为了确定某一只动物的身份,目前常采用的方法有人工目视检查、收集动物的排泄物或生物学样本、在动物身上附着传感器或者在体内植入微电子芯片等。然而,这些方法存在一定的局限性,比如人工比对繁琐复杂,传感器易出现故障,植入芯片会对动物造成损伤等。近年来,随着计算机技术的发展,科研人员开始将计算机视觉和图像处理技术应用于动物个体识别研究中,但这些方法一般基于特定动物的关键部位进行分析,图像采集的条件比较严苛,很难扩展到其他动物。此外,动物一般不会配合采集设备进行图像采集,使这些基于动物关键部位图像的动物个体识别方法难以实用,基于全身图像的动物个体识别方法可以很好地弥补这方面的不足。最后,濒危动物的个体数量相比普通动物更加稀少,可采集的图像数据相对有限,进一步增加了构建其识别模型的挑战性。针对以上问题和挑战,本文以东北虎和小熊猫两种具有一定代表性的濒危动物为研究对象,构建实用性更强的动物个体识别方案,主要工作和创新点如下:（1）收集并建立了动物图像数据库,其中包括鸟、猫、牛、鹿、狗、马、豹、猴、大熊猫、小熊猫、虎和羊等动物类别,共有13348张图像,每张图像均标注了目标框和动物物种信息,可用于物种检测模型的训练和测试。（2）以小熊猫为例,详细介绍了小熊猫全身图像数据采集和标注的过程,为其他濒危动物图像采集提供了参考。经比对筛选去重后,构建了小熊猫个体识别数据库（Red Panda）,包括43只小熊猫个体的3491张图像。（3）针对东北虎个体识别,根据东北虎自身的特点,将东北虎的姿态简化为头朝左和头朝右两种姿态,并将姿态信息作为辅助任务监督卷积神经网络的学习,提出了姿态引导的互补特征学习（Tiger-PGCFL）方法。在东北虎个体识别数据库（ATRW）上的实验结果证明了该方法优于现有方法。（4）针对小熊猫个体识别,研究发现小熊猫面部和尾巴区域的判别性较高,基于此设计了小熊猫数据增强方法弥补数据不足的缺陷。同时将小熊猫的姿态简化为面部是否可见和尾巴是否可见,作为辅助任务监督卷积神经网络的学习,形成了面向小熊猫的姿态引导互补特征学习（Red Panda-PGCFL）方法。在小熊猫个体识别数据库（Red Panda）上的实验结果证明了该方法优于现有方法。