La identificación precisa e inteligente de individuos raros y en peligro de extinción de especies emblemáticas de vida silvestre, como el tigre de Amur, es crucial para comprender la estructura y distribución de la población, facilitando así medidas de conservación específicas. Sin embargo, muchos métodos de modelado matemático, incluidos los modelos de aprendizaje profundo, a menudo producen resultados insatisfactorios. Este artículo propone un método de reconocimiento individual para tigres de Amur basado en un modelo mejorado de InceptionResNetV2. Inicialmente, se emplea el modelo YOLOv5 para detectar y segmentar automáticamente las áreas faciales, la franja izquierda y la franja derecha de imágenes de 107 tigres de Amur individuales, logrando una alta precisión media de clasificación del 97.3%. Al introducir una capa de abandono y un mecanismo de atención dual, mejoramos el modelo InceptionResNetV2 para capturar mejor las características de las franjas de los tigres individuales en diversas granularidades y reducir el sobreajuste durante el entrenamiento. Los resultados experimentales demuestran que nuestro modelo supera a otros modelos clásicos, ofreciendo una precisión de reconocimiento óptima y cambios ideales en la pérdida. La precisión media de reconocimiento para diferentes características de partes del cuerpo es del 95.36%, con las franjas izquierdas alcanzando una precisión máxima del 99.37%. Estos resultados destacan las excelentes capacidades de reconocimiento del modelo. Nuestra investigación proporciona un enfoque valioso y práctico para la identificación individual de animales raros y en peligro de extinción, ofreciendo un potencial significativo para mejorar los esfuerzos de conservación.