CN110309930A - 基于人脸识别的预约就诊方法、装置、设备及存储介质 - Google Patents
基于人脸识别的预约就诊方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110309930A CN110309930A CN201910430476.1A CN201910430476A CN110309930A CN 110309930 A CN110309930 A CN 110309930A CN 201910430476 A CN201910430476 A CN 201910430476A CN 110309930 A CN110309930 A CN 110309930A
- Authority
- CN
- China
- Prior art keywords
- information
- face
- medical treatment
- doctor
- archives
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 title claims abstract description 31
- 239000000284 extract Substances 0.000 claims abstract description 5
- 239000013598 vector Substances 0.000 claims description 70
- 230000002159 abnormal effect Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 17
- 238000012795 verification Methods 0.000 claims description 3
- 238000000968 medical method and process Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013497 data interchange Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于人脸识别的预约就诊方法、装置、设备及存储介质，所述方法包括：根据获取到的包括拟就医者的人脸信息在内的拟就医者的基本信息建立就医档案；接收预约用户通过客户端发送的预约挂号申请，并提取预约挂号申请中的包括预约用户的人脸信息的用户信息；将用户信息与基本信息进行比对，若比对结果中预约用户与就医档案中的拟就医者一致，则生成预约码；从部署在就医现场的信息采集终端获取包括就医者的人脸信息在内的就医者信息；将就医者信息与基本信息进行比对，若就医者与就医档案中的拟就医者一致，且就医档案中包括预约码，则确定就医者为合法的预约用户。本发明提高了网上预约挂号的可靠性和成功率。
Description
技术领域
本发明涉及信息处理领域，尤其涉及基于人脸识别的预约就诊方法、装置、计算机设备及存储介质。
背景技术
医疗资源，尤其是优质医疗资源的分布不均，造成了号贩子倒号现象的发生，给真正需要就医的患者增加就医成本。随着互联网技术的发展，网上预约挂号已逐渐代替了人工排队挂号的方式，试图减少倒号问题，减轻就医者的负担。
目前的网上预约挂号系统，通常在每天的特定时间放出就诊号，就医者通过手机、电脑或其他智能终端登录预约挂号系统，并输入姓名、身份证号等基本信息后，即可进行预约挂号。预约挂号成功后，就医者凭借预约号进行就诊。
然而，号贩子们一方面通过对急于就医者许以一定能抢到预约号的承诺，获取就医者的基本信息；一方面利用外挂软件进行快速刷号，使得就诊号一旦放出，瞬间被抢光，让其他就医者无法正常预约。同时，由于号贩子在刷号时输入的就诊者姓名和身份证号均为真实信息，因此，在就诊阶段，医院也无法监管。因此，现有的这种网上预约的挂号方式可靠性和成功率均不高。
发明内容
本发明实施例提供一种基于人脸识别的预约就诊方法、装置、计算机设备及存储介质，以解决传统网上预约挂号方式可靠性低和成功率低的问题。
一种基于人脸识别的预约就诊方法，包括：
获取拟就医者的基本信息，并根据所述基本信息为所述拟就医者建立就医档案，其中，所述基本信息包括所述拟就医者的人脸信息；
接收预约用户通过客户端发送的预约挂号申请，并提取所述预约挂号申请中的用户信息，其中，所述用户信息包括所述预约用户的人脸信息；
将所述用户信息与所述基本信息进行比对，若比对结果中所述预约用户与所述就医档案中的拟就医者一致，则生成与所述就医档案相对应的预约码，并将所述预约码写入所述就医档案；
从部署在就医现场的信息采集终端获取就医者信息，其中，所述就医者信息包括就医者的人脸信息；
将所述就医者信息与所述基本信息进行比对，若比对结果中所述就医者与所述就医档案中的拟就医者一致，并且所述就医档案中包括所述预约码，则确定所述就医者为与所述就医档案相对应的预约用户，并将所述就医档案转到出诊医生处。
一种基于人脸识别的预约就诊装置，包括：
建档模块，用于获取拟就医者的基本信息，并根据所述基本信息为所述拟就医者建立就医档案，其中，所述基本信息包括所述拟就医者的人脸信息；
预约模块，用于接收预约用户通过客户端发送的预约挂号申请，并提取所述预约挂号申请中的用户信息，其中，所述用户信息包括所述预约用户的人脸信息；
远程认证模块，用于将所述用户信息与所述基本信息进行比对，若比对结果中所述预约用户与所述就医档案中的拟就医者一致，则生成与所述就医档案相对应的预约码，并将所述预约码写入所述就医档案；
信息采集模块，用于从部署在就医现场的信息采集终端获取就医者信息，其中，所述就医者信息包括就医者的人脸信息；
现场认证模块，用于将所述就医者信息与所述基本信息进行比对，若比对结果中所述就医者与所述就医档案中的拟就医者一致，并且所述就医档案中包括所述预约码，则确定所述就医者为与所述就医档案相对应的预约用户，并将所述就医档案转到出诊医生处。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于人脸识别的预约就诊方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于人脸识别的预约就诊方法。
上述基于人脸识别的预约就诊方法、装置、计算机设备及存储介质，服务端事先采集包括拟就医者的人脸信息在内的基本信息，并为拟就医者建立就医档案，实现了拟就医者的网上注册，使得在接收预约用户通过客户端发送的预约挂号申请之后，能依据就医档案中的数据对预约挂号申请中的用户信息和用户人脸信息进行远程身份认证，并为通过远程身份认证的预约用户生成与就医档案相对应的预约码，保证了预约用户为拟就医者，过滤掉恶意预约抢号的用户；同时，就医档案完整记录了从注册，到预约就诊，到实际就诊的整个过程，便于医疗服务的规范和管理；在生成预约码阶段，将预约码写入所述就医档案，也保证了实际就医者与预约用户的身份保持一致；从就医现场获取就医者信息，并对就医者进行现场身份验证，若就医者与就医档案中的拟就医者一致，并且就医档案中包括预约码，则确定就医者为与就医档案相对应的预约用户，即，通过增加基于人脸识别的远程身份认证和现场身份认证的步骤，实现了两次身份认证，降低了不法分子通过软件技术手段进行倒号、抢号的可能性，提高了网上预约挂号的可靠性和成功率；同时，现场直接刷脸认证，减少手动输入预约码的操作时间，提高了就诊效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中基于人脸识别的预约就诊方法的一应用环境示意图；
图2是本发明一实施例中基于人脸识别的预约就诊方法的流程图；
图3是本发明一实施例中人脸识别的预约就诊方法中步骤S1的流程图；
图4是本发明一实施例中人脸识别的预约就诊方法中步骤S3的流程图；
图5是本发明一实施例中建立预约用户黑名单的流程图；
图6是本发明一实施例中对异常注册用户的处理流程图；
图7是本发明一实施例中基于人脸识别的预约就诊装置的示意图；
图8是本发明一实施例中计算机设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供的基于人脸识别的预约就诊方法，可应用在如图1的应用环境中，其中，服务端是提供基于人脸识别的预约就诊服务的计算机设备，服务端可以是服务器或服务器集群；客户端是用户进行注册、预约而使用的计算机终端设备，包括但不限于智能手机、PC机、平板电脑等；信息采集终端是部署在医院现场的计算机终端设备，包括但不限于自助一体机等；数据库是用于存注册用户和预约用户的基本信息的数据库；客户端与服务端之间、信息采集终端与服务端之间、服务端与数据库之间均通过网络连接，网络可以是有线网络或无线网络。本发明实施例提供的基于人脸识别的预约就诊方法应用于服务端。
在一实施例中，如图2所示，提供了一种基于人脸识别的预约就诊方法，其具体实现流程包括如下步骤：
S1：获取拟就医者的基本信息，并根据基本信息为拟就医者建立就医档案，其中，基本信息包括拟就医者的人脸信息。
拟就医者是指准备到本医院就医的人。拟就医者的基本信息，包括但不限于拟就医者的姓名、年龄、身份证号码、社保卡或医保卡信息、以及人脸信息等。
就医档案，是与患者病历本类似的电子信息档案，是拟就医者在本医院的预设用户注册系统进行用户注册后，由服务端建立的数据文档。
就医档案在建立之初，与拟就医者一一对应；在预约就诊阶段，与预约用户一一对应，在实际就诊阶段，与就医者一一对应。就医档案中的信息可以包括但不限于就医者的基本信息，以及在本医院就诊时的病历记录、医生的开药记录、消费情况等。
具体地，就医档案可以对应预设数据库中的数据记录或数据表。其中，预设数据库可以部署在服务端本地，或通过网络与服务端相连，包括但不限于各种关系型或非关系型数据库，如MS-SQL、Oracle、MySQL、Sybase、DB2、Redis、MongodDB、Hbase等。或者，就医档案可以对应JSON格式的文本文件。其中，JSON(JavaScript Object Notation，JS对象简谱)是一种轻量级的数据交换格式。JSON文件是以ASCII编码方式存储的，不依赖于操作系统，能被计算机程序快速的读取或生成，是一种流行的数据交换格式。
由于就医档案可以用于记录就医者从网上注册开始，到预约就诊，到实际就诊的整个就医过程的数据，可以通过就医档案方便的对医疗服务进行规范和管理；同时，就医档案可以被导出为其他格式的数据记录，作为患者转院、转诊，异地就医的数据参考，既利于不同医疗体系间的信息共享，避免重复检查，减少患者就医成本，又做到数据可追溯，有利于病理研究。
具体地，拟就医者可以通过客户端登录本医院的网站，或者，通过手机APP进行网上注册操作，拟就医者使用客户端上的摄像头自行采集人脸信息，并将采集到的包含人脸信息的图片一并提交。
服务端为每个拟就医者在预设数据库中建立数据记录，并以为每个拟就医者统一分配的身份标识信息作为数据表的主键，将拟就医者的基本信息存储到与主键相应的数据记录下，得到就医档案。
其中，对于基本信息中的人脸信息，服务端先进行特征提取，然后将得到特征信息作为与主键相应的数据进行存储。
具体地，服务端可以采用基于神经网络的识别算法对人脸信息进行特征提取，得到特征信息；或者，服务端采用专家规则的分类方法对人脸信息进行特征提取，得到特征信息，此处不做限制。
S2：接收预约用户通过客户端发送的预约挂号申请，并提取预约挂号申请中的用户信息，其中，用户信息包括预约用户的人脸信息。
预约用户，是通过客户端进行网上预约就诊的用户。一般来说，预约用户应与就医档案中的拟就医者保持一致，但可以存在一些例外。例如，若拟就医者是老人、未成年人、或婴幼儿等特殊人群，预约用户可以是拟就医者的监护人或相关人。因此，预约用户与拟就医者之间可以建立关联关系，例如，就医档案中一个拟就医者可以与5个预约用户绑定，即5个预约用户中的任一一个均可以为拟就医者进行网上预约，同时，5个预约用户均需要建立就医档案，其过程在步骤S1中，此处不再赘述。
预约挂号申请，是进行网上预约时向服务端发送的数据请求。预约挂号申请中包括预约用户的用户信息，用户信息包括但不限于姓名、年龄、身份证号、预约就诊的时间、科室、专家名称，以及预约用户的人脸信息等。
具体地，预约用户可以通过客户端登录本医院的网站，或者，通过手机APP进行网上预约，将预约挂号申请提交到服务端，其中，对于人脸信息，预约用户可以通过客户端上的摄像头自行采集并提交；服务端根据约定数据传输格式对客户端发送的预约挂号申请进行解析，得到出用户信息。其中，数据传输格式，是服务端与客户端事先约定的预约挂号申请中用户信息的排列顺序。
例如，若服务端的预设端口负责接收预约挂号申请，在接收到的数据流中，首2个字节为标志位，如0x0A用于表示当前数据流为预约挂号申请；标志位的后20个字节分别用于表示预约用户的姓名、年龄、身份证号等；标志位后的第21个字节开始，用于表示预约用户的人脸信息，即包含预约用户人脸信息的图片。其中，预设端口是服务端所在服务器中未被系统或其他服务占用的空闲端口。
S3：将用户信息与基本信息进行比对，若比对结果中预约用户与就医档案中的拟就医者一致，则生成与就医档案相对应的预约码，并将预约码写入就医档案。
预约码，是网上预约就诊成功的电子凭证。
在传统网上预约挂号方式中，预约码通常是一组数字、字母，或数字与字母相结合的无规律的字符信息，并通过手机短信发送到就医者的手机上，或以二维码的形式发送到就医者的智能终端上。就医者在现场通过提供预约码实现取号。
在本实施例中，与传统网上预约挂号方式不同，服务端将生成的预约码与就医档案进行绑定，不需要发送到就医者的智能终端上，减少了就医者在现场输入预约码取号的步骤，避免了就医者保管预约码的麻烦，提高了就诊效率，同时，也避免了传统方式中，由于预约码独立于预约用户和实际就医者，给号贩子们留下了牟利空间。
服务端将用户信息与基本信息进行比对，以保证预约用户与就医档案中的拟就医者身份一致。
具体地，若服务端的运行环境为Java，服务端可以以用户信息作为搜索条件，通过调用JDBC的查询接口，与就医档案中的基本信息进行逐一比较。其中，JDBC(Java DataBaseConnectivity，Java数据库连接)是一种用于执行SQL语句的Java API，可以为多种关系数据库提供统一访问，它由一组用Java语言编写的类和接口组成。
若在就医档案中查询到与用户信息一致的数据，即代表预约用户与就医档案中的拟就医者身份一致，服务端可以根据预设的随机数生成方式，以字母A-Z，字母a-z，数字0-9为取值范围，随机生成一组预约码。
具体地，服务端可以采用蒙特卡洛方法生成随机预约码。例如，生成一个16位的预约码为AgWOSQpOsVJcynyl。其中，蒙特卡罗方法又称统计模拟法、随机抽样技术，是一种随机模拟方法，是以概率和统计理论方法为基础的一种计算方法。
服务端将预约码写入就医档案，实现了预约码与就医档案的绑定。具体地，服务端可以在就医档案中新增预约相关的字段，这些字段包括但不限于“预约码id”、“预约时间”、“预约科室”等。其中，字段“预约码id”即为服务端生成的预约码；“预约时间”、“预约科室”等字段的内容为用户信息中的相应内容。
S4：从部署在就医现场的信息采集终端获取就医者信息，其中，就医者信息包括就医者的人脸信息。
就医者，即到医院实际就诊的患者。就医者信息，包括但不限于就医者的预约信息，就医者的人脸信息等。
信息采集终端，是医院现场用于采集就医者信息的自助智能终端。信息采集终端与服务端通过网络相连，信息采集终端上有显示屏、高清摄像头，以及人机交互界面。就医者可以通过键盘或触摸屏在人机交互界面上进行操作，选择需要服务的种类。例如，查询预约记录，打印检查报告、进入就诊程序等。
具体地，若就医者通过人机交互界面选择“进入就诊程序”时，信息采集终端的高清摄像头将采集就医者的实时人脸图像，并将获取到的实时人脸图像发送到服务端；同时，信息采集终端也可以提示就医者输入除人脸信息之外的其他基本信息作为辅助验证数据，其中，其他基本信息包括但不限于就医者的姓名、身份证号、联系电话、预约时间等。
S5：将就医者信息与基本信息进行比对，若比对结果中就医者与就医档案中的拟就医者一致，并且就医档案中包括预约码，则确定就医者为与就医档案相对应的预约用户，并将就医档案转到出诊医生处。
服务端将就医现场获取到的就医者信息与就医档案中的基本信息进行比较，以保证就医者与就医档案中的拟就医者身份一致，并且是经过正常预约程序的预约用户。其中，具体比对过程与步骤S3中用户信息与基本信息的比对过程一致，此处不再赘述。
若比对结果中已确定就医者与就医档案中的拟就医者的身份一致后，则服务端检查就医档案中是否包括预约码信息；若就医档案中具备预约码，则可以确定现场实际就医者为合法的预约用户。
服务端将就医档案转到出诊的医生处，即将就医档案发送到出诊医生的办公电脑上，使得就医者顺利进入就诊程序。
在本实施例中，服务端事先采集包括拟就医者的人脸信息在内的基本信息，并为拟就医者建立就医档案，实现了拟就医者的网上注册，使得在接收预约用户通过客户端发送的预约挂号申请之后，能依据就医档案中的数据对预约挂号申请中的用户信息和用户人脸信息进行远程身份认证，并为通过远程身份认证的预约用户生成与就医档案相对应的预约码，保证了预约用户为拟就医者，过滤掉恶意预约抢号的用户；同时，就医档案完整记录了从注册，到预约就诊，到实际就诊的整个过程，便于医疗服务的规范和管理；在生成预约码阶段，将预约码写入所述就医档案，也保证了实际就医者与预约用户的身份保持一致；从就医现场获取就医者信息，并对就医者进行现场身份验证，若就医者与就医档案中的拟就医者一致，并且就医档案中包括预约码，则确定就医者为与就医档案相对应的预约用户，即，通过增加基于人脸识别的远程身份认证和现场身份认证的步骤，实现了两次身份认证，降低了不法分子通过软件技术手段进行倒号、抢号的可能性，提高了网上预约挂号的可靠性和成功率；同时，现场直接刷脸认证，减少手动输入预约码的操作时间，提高了就诊效率。
进一步地，在一实施例中，如图3所示，针对步骤S1，即获取拟就医者的基本信息，并根据基本信息为拟就医者建立就医档案，具体包括如下步骤：
S11：对人脸信息进行特征提取，得到目标人脸特征向量。
目标人脸特征向量，用于表示人脸信息的特征。通过目标人脸特征向量，可以区分不同的人脸，达到人脸识别的目的。
服务端可以根据预设的人脸模型将人脸信息进行特征抽象，得到人脸特征维度；其中，特征维度包括人脸五官的坐标位置、脸型的类型、五官之间的角度；特征维度的具体数值构成目标人脸特征向量。
例如，目标人脸特征向量可以为一个M*N维的向量，其中，M代表特征维度，即人脸五官的坐标位置、脸型的类型、五官之间的角度；N为特征维度的具体数值。
具体地，服务端可以使用特征脸算法对人脸信息进行特征提取，得到目标人脸特征向量。其中，特征脸(Eigenface)是指用于机器视觉领域中的人脸识别问题的一组特征向量。
S12：将目标人脸特征向量和基本信息进行关联存储，得到拟就医者的就医档案。
关联存储，即将目标人脸特征向量与基本信息进行绑定，使得通过查询目标人脸特征向量，可以唯一得到与之相应的基本信息，或者，通过查询基本信息，可以唯一得到与之相应的目标人脸特征向量。
具体地，服务端可以在建立就医档案时，使得就医档案与拟就医者一一对应，即每个拟就医者拥有唯一的就医档案，例如，为每个拟就医者新建单独的数据表，或者在数据表中新增单独的数据记录。可以理解地，服务端将目标人脸特征信息和基本信息存储到新建的数据表或数据记录中，即可得到拟就医者的就医档案。
在本实施例中，服务端根据预设的人脸模型将人脸信息进行特征抽象，以人脸五官的坐标位置、脸型的类型、五官之间的角度构成能代表人脸特征的目标人脸特征向量；并将目标人脸特征向量与基本信息进行关联存储，得到拟就医者档案，实现了人脸信息与基本信息的绑定，使得拟就医者信息不易被冒充，提高了信息安全性。
进一步地，在一实施例中，如图4所示，针对步骤S3，即将用户信息与基本信息进行比对，若比对结果中预约用户与就医档案中的拟就医者一致，则生成与就医档案相对应的预约码，并将预约码写入就医档案，具体包括如下步骤：
S31：将用户信息中人脸信息之外的信息与基本信息中人脸信息之外的信息进行一致性比较，得到比较结果。
由于人脸识别存在一定的误识率，因此，服务端在将用户信息与基本信息进行比对时，可以将人脸信息与人脸信息之外的信息分开对比。
具体地，由于人脸信息之外的信息均为字符型数据，如姓名、年龄、身份证号等，因此，服务端可以通过SQL语句，以姓名、身份证号为查询条件，对就医档案所在的数据库进行搜索，得到比较结果。
S32：对用户人脸信息进行特征提取，得到待识别特征向量。
待识别特征向量，是对预约用户进行人脸识别后得到的代表预约用户人脸特征的数据。
服务端对用户人脸信息进行特征提取的过程，与步骤S11中对人脸信息进行特征提取的过程一致，此处不再赘述。
S33：将待识别特征向量与目标人脸特征向量进行相似度比较，得到相似度值。
具体地，服务端可以计算待识别特征向量与目标人脸特征向量的比值，即将向量中相同位置的分量进行相除，得到的相似度值反应了两个向量的相似度，亦即人脸特征的相似度。
S34：若比较结果为一致，并且相似度值超过预设相似度阈值，则生成与就医档案相对应的预约码，并将预约码写入就医档案。
预设相似度阈值，用以代表两张人脸图片的相似度。例如，预设相似度阈值可以为90％。若相似度值超过90％，则代表两张人脸图片为同一人。
具体地，服务端根据比较结果一致，并且相似度值超过预设相似度阈值，则可以确定预约用户为拟就医者，同时，生成与就医档案相对应的预约码，并将预约码写入就医档案。
优选地，由于相较于人脸信息之外的信息对比，计算人脸相似度值的过程更耗时，服务端可以在比较结果为一致的情况下，再对用户人脸信息进行特征提取，以节省服务端的计算资源。
在本实施例中，服务端将用户信息与基本信息的比对，分成人脸信息比对和人脸信息之外的信息比对两部分，并以优先对人脸信息之外的信息进行比对，节省了服务端的计算资源。
进一步地，在一实施例中，如图5所示，在步骤S33之后，即在将待识别特征向量与目标人脸特征向量进行相似度比较，得到相似度值的步骤之后，基于人脸识别的预约就诊方法，还包括以下步骤：
S35：若比较结果为不一致，或者相似度值未超过预设相似度阈值，则确定预约挂号失败。
具体地，若比较结果为不一致，或者相似度值未超过预设相似度阈值，则代表预约用户不是就医档案中的拟就医者，服务端将对预约挂号申请予以拒绝。
S36：将待识别特征向量存储到预设数据库中，并将与待识别特征向量相对应的预约用户作为异常用户。
异常用户，用于标识未在拟就医者名单中的预约用户。服务端将异常用户的人脸特征信息进行保存，以防止异常用户重复预约，占用网络资源。
具体地，服务端可以在预设数据库中建立异常用户信息表，并将待识别特征向量作为该异常用户的标识信息存储到异常用户信息表中。
S37：记录异常用户预约挂号失败的失败次数，若失败次数超过预设失败次数，则将异常用户列入用户黑名单。
用户黑名单，是对恶意预约挂号的异常用户的分类。服务端可以拒绝黑名单中的用户进行网上预约。
预设失败次数，是衡量异常用户的异常预约行为的标准。例如，若一定时间内，连续预约失败次数超过20次，服务端可以将异常用户加到用户黑名单中。
具体地，服务端在确定预约挂号失败时，可以将当前时间、待识别特征向量存储到异常用户信息表中。其中，服务端可以在异常用户信息表中增加字段“预约挂号失败次数”。当有预约用户挂号失败时，服务端可以根据待识别特征向量对异常用户信息表进行查询，若异常用户信息表中已存在该待识别特征向量，则在字段“预约挂号失败次数”进行累加。
在本实施例中，服务端将累次预约失败的预约用户作为异常用户，并将超过预设失败次数的异常用户列入用户黑名单，加强了对恶意网上预约行为的限制，进一步提高了预约就诊的安全性。
进一步地，在一实施例中，如图6所示，在步骤S12之后，即在将目标人脸特征向量和基本信息进行关联存储，得到拟就医者的就医档案的步骤之后，基于人脸识别的预约就诊方法，还包括以下步骤：
S13：检查就医档案中目标人脸特征向量的出现次数。
由于就医档案与拟就医者一一对应，因此，目标人脸特征向量也是唯一的。即，目标人脸特征向量唯一标识一个拟就医者。相比于其他拟就医者的基本信息，目标人脸特征向量难以复制和篡改，服务端检查就医档案中目标人脸特征向量的出现次数，可以防止恶意用户重复注册。
具体地，服务端可以已目标人脸特征向量作为搜索条件，对就医档案所在的数据库进行全局查询，查询得到的数量即为目标人脸特征向量的出现次数。
S14：若目标人脸特征向量的出现次数超过预设注册次数，则停止为目标人脸特征向量相对应的拟就医者继续建立就医档案。
预设注册次数，用于限制服务端为同一拟就医者建立就医档案的数量。例如，若每个拟就医者只能拥有一个就医档案，则预设注册次数为1。
为了防止用户误操作或其他特殊情况，服务端可以根据实际应用的需要设置预设注册次数，例如，预设注册次数可以设置为3，即若目标人脸特征向量的出现次数超过3，则代表该拟就医者重复注册次数超过3次，服务端可以对该拟就医者采取停止其继续注册，并停止为其建立新就医档案的限制措施。
具体地，当服务端检测到目标人脸特征向量的出现次数超过预设注册次数，服务端在检测到拟就医者的基本信息中包括目标人脸特征向量时，向拟就医者发出拒绝注册的提示。
在本实施例中，服务端对就医档案中目标人脸特征向量的出现次数进行检查，并对超过预设注册次数的拟就医者采取限制措施，防止恶意重复注册，进一步提高预约就诊的安全性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种基于人脸识别的预约就诊装置，该基于人脸识别的预约就诊装置与上述实施例中基于人脸识别的预约就诊方法一一对应。如图7所示，该基于人脸识别的预约就诊装置包括建档模块71、预约模块72、远程认证模块73、信息采集模块74和现场认证模块75。各功能模块详细说明如下：
建档模块71，用于获取拟就医者的基本信息，并根据基本信息为拟就医者建立就医档案，其中，基本信息包括拟就医者的人脸信息；
预约模块72，用于接收预约用户通过客户端发送的预约挂号申请，并提取预约挂号申请中的用户信息，其中，用户信息包括预约用户的人脸信息；
远程认证模块73，用于将用户信息与基本信息进行比对，若比对结果中预约用户与就医档案中的拟就医者一致，则生成与就医档案相对应的预约码，并将预约码写入就医档案；
信息采集模块74，用于从部署在就医现场的信息采集终端获取就医者信息，其中，就医者信息包括就医者的人脸信息；
现场认证模块75，用于将就医者信息与基本信息进行比对，若比对结果中就医者与就医档案中的拟就医者一致，并且就医档案中包括预约码，则确定就医者为与就医档案相对应的预约用户，并将就医档案转到出诊医生处。
进一步地，建档模块71，包括：
特征提取子模块711，用于对人脸信息进行特征提取，得到目标人脸特征向量；
存储子模块712，用于将目标人脸特征向量和基本信息进行关联存储，得到拟就医者的就医档案。
进一步地，远程认证模块73，包括：
信息比对子模块731，用于将用户信息中人脸信息之外的信息与基本信息中人脸信息之外的信息进行一致性比较，得到比较结果；
人脸特征提取子模块732，用于对用户人脸信息进行特征提取，得到待识别特征向量；
相似度比较子模块733，用于将待识别特征向量与目标人脸特征向量进行相似度比较，得到相似度值；
综合比对子模块734，用于若比较结果为一致，并且相似度值超过预设相似度阈值，则生成与就医档案相对应的预约码，并将预约码写入就医档案。
进一步地，远程认证模块73，还包括：
预约失败处理子模块735，用于若比较结果为不一致，或者相似度值未超过预设相似度阈值，则确定预约挂号失败；
异常用户监测子模块736，用于将待识别特征向量存储到预设数据库中，并将与待识别特征向量相对应的预约用户作为异常用户；
黑名单子模块737，用于记录异常用户预约挂号失败的失败次数，若失败次数超过预设失败次数，则将异常用户列入用户黑名单。
进一步地，建档模块71，还包括：
预约监测子模块713，用于检查就医档案中目标人脸特征向量的出现次数；
异常预约处理子模块714，用于若目标人脸特征向量的出现次数超过预设注册次数，则停止为目标人脸特征向量相对应的拟就医者继续建立就医档案。
关于基于人脸识别的预约就诊装置的具体限定可以参见上文中对于基于人脸识别的预约就诊方法的限定，在此不再赘述。上述基于人脸识别的预约就诊装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于人脸识别的预约就诊方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中基于人脸识别的预约就诊方法的步骤，例如图2所示的步骤S1至步骤S5。或者，处理器执行计算机程序时实现上述实施例中基于人脸识别的预约就诊装置的各模块/单元的功能，例如图7所示模块71至模块75的功能。为避免重复，这里不再赘述。
在一实施例中，提供一计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例中基于人脸识别的预约就诊方法，或者，该计算机程序被处理器执行时实现上述装置实施例中基于人脸识别的预约就诊装置中各模块/单元的功能。为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于人脸识别的预约就诊方法，其特征在于，所述基于人脸识别的预约就诊方法包括：
获取拟就医者的基本信息，并根据所述基本信息为所述拟就医者建立就医档案，其中，所述基本信息包括所述拟就医者的人脸信息；
接收预约用户通过客户端发送的预约挂号申请，并提取所述预约挂号申请中的用户信息，其中，所述用户信息包括所述预约用户的人脸信息；
将所述用户信息与所述基本信息进行比对，若比对结果中所述预约用户与所述就医档案中的拟就医者一致，则生成与所述就医档案相对应的预约码，并将所述预约码写入所述就医档案；
从部署在就医现场的信息采集终端获取就医者信息，其中，所述就医者信息包括就医者的人脸信息；
将所述就医者信息与所述基本信息进行比对，若比对结果中所述就医者与所述就医档案中的拟就医者一致，并且所述就医档案中包括所述预约码，则确定所述就医者为与所述就医档案相对应的预约用户，并将所述就医档案转到出诊医生处。
2.如权利要求1所述的基于人脸识别的预约就诊方法，其特征在于，所述获取拟就医者的基本信息，并根据所述基本信息为所述拟就医者建立就医档案，包括：
对所述人脸信息进行特征提取，得到目标人脸特征向量；
将所述目标人脸特征向量和所述基本信息进行关联存储，得到所述拟就医者的就医档案。
3.如权利要求2所述的基于人脸识别的预约就诊方法，其特征在于，所述将所述用户信息与所述基本信息进行比对，若比对结果中所述预约用户与所述就医档案中的拟就医者一致，则生成与所述就医档案相对应的预约码，并将所述预约码写入所述就医档案，包括：
将所述用户信息中人脸信息之外的信息与所述基本信息中人脸信息之外的信息进行一致性比较，得到比较结果；
对所述用户人脸信息进行特征提取，得到待识别特征向量；
将所述待识别特征向量与所述目标人脸特征向量进行相似度比较，得到相似度值；
若所述比较结果为一致，并且所述相似度值超过预设相似度阈值，则生成与所述就医档案相对应的预约码，并将所述预约码写入所述就医档案。
4.如权利要求3所述的基于人脸识别的预约就诊方法，其特征在于，所述将所述待识别特征向量与所述目标人脸特征向量进行相似度比较，得到相似度值之后，所述基于人脸识别的预约就诊方法，还包括：
若所述比较结果为不一致，或者所述相似度值未超过所述预设相似度阈值，则确定预约挂号失败；
将所述待识别特征向量存储到预设数据库中，并将与所述待识别特征向量相对应的预约用户作为异常用户；
记录所述异常用户预约挂号失败的失败次数，若所述失败次数超过预设失败次数，则将所述异常用户列入用户黑名单。
5.如权利要求2所述的基于人脸识别的预约就诊方法，其特征在于，所述将所述目标人脸特征向量和所述基本信息进行关联存储，得到所述拟就医者的就医档案之后，所述基于人脸识别的预约就诊方法，还包括：
检查所述就医档案中所述目标人脸特征向量的出现次数；
若所述目标人脸特征向量的出现次数超过预设注册次数，则停止为所述目标人脸特征向量相对应的拟就医者继续建立就医档案。
6.一种基于人脸识别的预约就诊装置，其特征在于，所述基于人脸识别的预约就诊装置，包括：
建档模块，用于获取拟就医者的基本信息，并根据所述基本信息为所述拟就医者建立就医档案，其中，所述基本信息包括所述拟就医者的人脸信息；
预约模块，用于接收预约用户通过客户端发送的预约挂号申请，并提取所述预约挂号申请中的用户信息，其中，所述用户信息包括所述预约用户的人脸信息；
远程认证模块，用于将所述用户信息与所述基本信息进行比对，若比对结果中所述预约用户与所述就医档案中的拟就医者一致，则生成与所述就医档案相对应的预约码，并将所述预约码写入所述就医档案；
信息采集模块，用于从部署在就医现场的信息采集终端获取就医者信息，其中，所述就医者信息包括就医者的人脸信息；
现场认证模块，用于将所述就医者信息与所述基本信息进行比对，若比对结果中所述就医者与所述就医档案中的拟就医者一致，并且所述就医档案中包括所述预约码，则确定所述就医者为与所述就医档案相对应的预约用户，并将所述就医档案转到出诊医生处。
7.如权利要求6所述的基于人脸识别的预约就诊装置，其特征在于，所述建档模块，包括：
特征提取子模块，用于对所述人脸信息进行特征提取，得到目标人脸特征向量；
存储子模块，用于将所述目标人脸特征向量和所述基本信息进行关联存储，得到所述拟就医者的就医档案。
8.如权利要求6所述的基于人脸识别的预约就诊装置，其特征在于，所述远程认证模块，包括：
信息比对子模块，用于将所述用户信息中人脸信息之外的信息与所述基本信息中人脸信息之外的信息进行一致性比较，得到比较结果；
人脸特征提取子模块，用于对所述用户人脸信息进行特征提取，得到待识别特征向量；
相似度比较子模块，用于将所述待识别特征向量与所述目标人脸特征向量进行相似度比较，得到相似度值；
综合比对子模块，用于若所述比较结果为一致，并且所述相似度值超过预设相似度阈值，则生成与所述就医档案相对应的预约码，并将所述预约码写入所述就医档案。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述基于人脸识别的预约就诊方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于人脸识别的预约就诊方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910430476.1A CN110309930A (zh) | 2019-05-22 | 2019-05-22 | 基于人脸识别的预约就诊方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910430476.1A CN110309930A (zh) | 2019-05-22 | 2019-05-22 | 基于人脸识别的预约就诊方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110309930A true CN110309930A (zh) | 2019-10-08 |
Family
ID=68074995
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910430476.1A Pending CN110309930A (zh) | 2019-05-22 | 2019-05-22 | 基于人脸识别的预约就诊方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110309930A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111028089A (zh) * | 2019-11-25 | 2020-04-17 | 泰康保险集团股份有限公司 | 异常操作识别方法及装置、计算机存储介质、电子设备 |
| CN111652399A (zh) * | 2020-06-03 | 2020-09-11 | 山东浪潮商用系统有限公司 | 一种办税服务厅人脸识别无感刷脸取号的实现系统 |
| CN111986794A (zh) * | 2020-09-03 | 2020-11-24 | 平安国际智慧城市科技股份有限公司 | 基于人脸识别的防冒挂号方法、装置、计算机设备及介质 |
| CN112785021A (zh) * | 2021-01-28 | 2021-05-11 | 联仁健康医疗大数据科技股份有限公司 | 预约请求响应方法、装置、电子设备及存储介质 |
| CN113111846A (zh) * | 2021-04-29 | 2021-07-13 | 上海商汤智能科技有限公司 | 基于人脸识别的就诊方法、装置、设备及存储介质 |
| CN113435621A (zh) * | 2021-07-23 | 2021-09-24 | 北京声智科技有限公司 | 防疫项目的预约和数据更新方法、装置、设备及存储介质 |
| CN113496771A (zh) * | 2020-03-20 | 2021-10-12 | 深圳云天励飞技术有限公司 | 一种基于人脸识别的导诊方法、装置及电子设备 |
| CN114121242A (zh) * | 2021-11-15 | 2022-03-01 | 重庆中科云从科技有限公司 | 就诊服务方法、系统及计算机存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102236877A (zh) * | 2010-04-28 | 2011-11-09 | 陈麟华 | 防止票证转手倒卖的一种方法 |
| CN205608849U (zh) * | 2016-04-29 | 2016-09-28 | 四川壹脸通科技有限公司 | 一种采用人脸识别技术的排号取票设备 |
| KR20160146418A (ko) * | 2015-06-12 | 2016-12-21 | 고현규 | 내원 환자 생체 인식 응대 시스템 및 활용 방법 |
| CN108960459A (zh) * | 2017-05-17 | 2018-12-07 | 武汉默联股份有限公司 | 挂号登录方法及装置 |
| CN109192286A (zh) * | 2018-08-16 | 2019-01-11 | 北京金山安全软件有限公司 | 一种自动化分诊方法、装置及电子设备 |
| CN109493159A (zh) * | 2018-09-28 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 购票认证处理的方法、装置、计算机设备及存储介质 |
-
2019
- 2019-05-22 CN CN201910430476.1A patent/CN110309930A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102236877A (zh) * | 2010-04-28 | 2011-11-09 | 陈麟华 | 防止票证转手倒卖的一种方法 |
| KR20160146418A (ko) * | 2015-06-12 | 2016-12-21 | 고현규 | 내원 환자 생체 인식 응대 시스템 및 활용 방법 |
| CN205608849U (zh) * | 2016-04-29 | 2016-09-28 | 四川壹脸通科技有限公司 | 一种采用人脸识别技术的排号取票设备 |
| CN108960459A (zh) * | 2017-05-17 | 2018-12-07 | 武汉默联股份有限公司 | 挂号登录方法及装置 |
| CN109192286A (zh) * | 2018-08-16 | 2019-01-11 | 北京金山安全软件有限公司 | 一种自动化分诊方法、装置及电子设备 |
| CN109493159A (zh) * | 2018-09-28 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 购票认证处理的方法、装置、计算机设备及存储介质 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111028089A (zh) * | 2019-11-25 | 2020-04-17 | 泰康保险集团股份有限公司 | 异常操作识别方法及装置、计算机存储介质、电子设备 |
| CN113496771A (zh) * | 2020-03-20 | 2021-10-12 | 深圳云天励飞技术有限公司 | 一种基于人脸识别的导诊方法、装置及电子设备 |
| CN111652399A (zh) * | 2020-06-03 | 2020-09-11 | 山东浪潮商用系统有限公司 | 一种办税服务厅人脸识别无感刷脸取号的实现系统 |
| CN111986794A (zh) * | 2020-09-03 | 2020-11-24 | 平安国际智慧城市科技股份有限公司 | 基于人脸识别的防冒挂号方法、装置、计算机设备及介质 |
| CN111986794B (zh) * | 2020-09-03 | 2024-06-25 | 深圳平安智慧医健科技有限公司 | 基于人脸识别的防冒挂号方法、装置、计算机设备及介质 |
| CN112785021A (zh) * | 2021-01-28 | 2021-05-11 | 联仁健康医疗大数据科技股份有限公司 | 预约请求响应方法、装置、电子设备及存储介质 |
| CN113111846A (zh) * | 2021-04-29 | 2021-07-13 | 上海商汤智能科技有限公司 | 基于人脸识别的就诊方法、装置、设备及存储介质 |
| CN113435621A (zh) * | 2021-07-23 | 2021-09-24 | 北京声智科技有限公司 | 防疫项目的预约和数据更新方法、装置、设备及存储介质 |
| CN114121242A (zh) * | 2021-11-15 | 2022-03-01 | 重庆中科云从科技有限公司 | 就诊服务方法、系统及计算机存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110309930A (zh) | 基于人脸识别的预约就诊方法、装置、设备及存储介质 | |
| US20230306425A1 (en) | Data usage method, system, and program thereof employing blockchain network (bcn) | |
| US11710132B2 (en) | User controlled event record system | |
| CN208985713U (zh) | 基于人脸识别的医疗信息系统 | |
| JP2024003174A (ja) | Ｂｃｎ（ブロックチェーンネットワーク）を使用したデータ利用方法、システムおよびそのプログラム | |
| US11386987B2 (en) | Providing global accessibility to telehealth prescribed medications | |
| US20200193055A1 (en) | Systems and methods for clinical study management | |
| CN106384222A (zh) | 保单回销方法和系统 | |
| CN110310020B (zh) | 基于数据分析的项目方案管理方法、相关装置及存储介质 | |
| CN111986794B (zh) | 基于人脸识别的防冒挂号方法、装置、计算机设备及介质 | |
| CN109448811B (zh) | 处方审核改进方法、装置、电子设备及存储介质 | |
| CN107256524A (zh) | 家庭健康体检信息处理系统及方法 | |
| CN111863178A (zh) | 发放医疗报告的方法、装置、介质及电子设备 | |
| CN109522817A (zh) | 一种患者的住院行为稽核方法、区块链节点设备及系统 | |
| CN107656959A (zh) | 一种留言方法、装置及留言设备 | |
| CN109346137A (zh) | 受试者在线招募方法及装置、计算机设备及存储介质 | |
| CN117275138A (zh) | 基于自动取款机的身份认证方法、装置、设备和存储介质 | |
| US11996186B2 (en) | Providing global accessibility to prescribed medications | |
| CN109584085B (zh) | 一种医疗保险票据稽核方法、区块链节点设备及系统 | |
| CN113592688A (zh) | 基于区块链的诊疗信息处理方法、装置和电子设备 | |
| JP7100058B2 (ja) | 第１又は第２の部類の人間の生体認証のためのコンピュータ・システムにより実行される方法 | |
| CN207799703U (zh) | 一种基于虹膜识别的医疗信息识别系统 | |
| US11151194B2 (en) | Data collection and integration system | |
| CN109524097B (zh) | 基于人脸识别的挂床行为检测方法、装置、服务器及介质 | |
| KR20120001505A (ko) | 피서비스자의 인체 정보를 이용한 재가방문 관리시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191008 |
|
| WD01 | Invention patent application deemed withdrawn after publication |