在检测概率小于1的情况下，捕获-再捕获(Capture-recapture, CR)数据及其模型已被广泛应用于估算野生动物种群规模。当用于捕捉或探测个体的陷阱或摄像机的位置已知时，使用空间显式CR模型来推断个体位置和种群密度的空间格局。个体位置，称为活动中心(ac)，被定义为个体移动的位置。这些ac通常被认为是独立的，它们的空间模式是使用齐次泊松过程建模的。然而，这种假设通常是不现实的，因为个体之间可以相互作用，无论是在一个物种内部还是不同物种之间。在本文中，我们从一般相互作用的点过程和点过程中考虑一个向量开发一个CR数据模型，可以解释多个物种之间和内部的相互作用，特别是排斥．交互点过程从推理的角度提出了一个挑战，因为似然函数的归一化常数难以处理，因此不能应用标准的马尔可夫链蒙特卡罗程序来执行贝叶斯推理。因此，我们采用了一种基于蒙特卡罗大都会黑斯廷斯算法在对多个物种建模时，这个模型的比例很好。最后，我们采用推理方法根据出生和死亡过程联合采样潜在ac和种群大小．这种方法也允许我们灵活调整新点的提案分布，这导致了更好的混合，特别是在非均匀分布的陷阱的情况下。我们将该模型应用于aCR关于豹子和老虎的数据集在印度的科比特老虎保护区收藏。研究结果表明，老虎种群密度高于豹子种群密度，且种间排斥强于种内排斥。