CN113221725A - 一种风险处理方法和系统 - Google Patents

Abstract

本发明提供了一种风险处理方法和系统，其方法包括：获取医院场地内目标摄像头采集到的环境视频；将所述环境视频识别出的面部图像与黑名单数据库中的预设人脸图像进行比对，并根据所述面部图像进行就医行为分析；根据比对结果和分析结果进行风险评分，根据风险评分结果生成确定为风险用户的提示指令；发送所述提示指令至所述医院场地内的目标终端以发起风险提示。本发明准确识别风险用户以采取对应措施，维护医院场所的正常医疗秩序，提高了医院安全，保障了就诊患者有序就医的权利。

Description

一种风险处理方法和系统

技术领域

本发明涉及医疗挂号技术领域，尤指一种风险处理方法和系统。

背景技术

由于极度不平衡的医疗需求，导致部分大医院及专家号源供不应求， 为黄牛党的活跃存在创造了条件。

医院想要杜绝黄牛，则需要部署完善的挂号系统，开通网上实名认证 挂号，多渠道预约挂号等办法，但是完善的挂号系统部署成本高，建设周 期长，对于没有网上预约挂号的医院，就很难避免医院“黄牛”在窗口挂 号。

目前，现有技术中无法准确识别是否是本人挂号，使得黄牛有机可乘， 造成危害公共利益的技术问题。

发明内容

本发明的目的是提供一种风险处理方法和系统，实现准确识别风险用户以 采取对应措施，维护医院场所的正常医疗秩序，提高了医院安全，保障了就诊 患者有序就医的权利。

本发明提供的技术方案如下：

本发明提供一种风险处理方法，包括步骤：

获取医院场地内目标摄像头采集到的环境视频；

将所述环境视频识别出的面部图像与黑名单数据库中的预设人脸图 像进行比对，并根据所述面部图像进行就医行为分析；

根据比对结果和分析结果进行风险评分，根据风险评分结果生成确定 为风险用户的提示指令；

发送所述提示指令至所述医院场地内的目标终端以发起风险提示。

进一步的，所述获取医院场地内目标摄像头采集到的环境视频之前包 括步骤：

在所述医院场地内的预设区域和场地服务机器人处分别设置目标摄 像头；

其中，所述预设区域包括通行区域、挂号区域、药房区域、门诊出入 口区域、咨询服务区域、诊室区域中的任意一种或者多种。

进一步的，所述将所述环境视频识别出的面部图像与黑名单数据库中 的预设人脸图像进行比对，并根据所述面部图像进行就医行为分析包括步 骤：

通过人脸检测算法检测识别所述视频图像中出现的面部图像；

将所述面部图像与黑名单数据库中的预设人脸图像进行比对得到所 述比对结果；

根据所述面部图像统计对应用户出现在所述医院场地内的来院次数 以及就医行为次数。

进一步的，所述根据比对结果和分析结果进行风险评分，根据风险评 分结果生成确定为风险用户的提示指令包括步骤：

按照预设分数评估策略，对所述比对结果和分析结果分别进行风险评 分；

根据风险评分结果进行求和计算得到评分总值，根据评分总值得到对 应的面部图像的提示指令。

进一步的，所述按照预设分数评估策略，对所述比对结果和分析结果 分别进行风险评分包括步骤：

根据所述面部图像及其历史的风险等级判断是否需要进一步分析；

若需进一步分析根据所述就医行为次数对所述面部图像进行风险评 分；

若无需进一步分析根据所述比对结果和来院次数对所述面部图像进 行风险评分。

进一步的，所述根据风险评分结果进行求和计算得到评分总值，根据 评分总值得到对应的面部图像的提示指令比较步骤：

若根据所述评分总值查询映射关系表得到风险等级为第一等级，生成 实名制提示指令；

若根据所述评分总值查询映射关系表得到风险等级为第二等级，生成 实名制提示指令，并根据所述面部图像更新所述黑名单数据库；

若根据所述评分总值查询映射关系表得到风险等级为第三等级，生成 报警提示指令。

本发明还提供一种风险处理系统，包括：在所述医院场地内的预设区 域和场地服务机器人处分别设置目标摄像头；

获取模块，用于获取医院场地内目标摄像头采集到的环境视频；

分析模块，用于将所述环境视频识别出的面部图像与黑名单数据库中 的预设人脸图像进行比对，并根据所述面部图像进行就医行为分析；

处理模块，用于根据比对结果和分析结果进行风险评分，根据风险评 分结果生成确定为风险用户的提示指令；

通信模块，用于发送发送所述提示指令至所述医院场地内的目标终端 以发起风险提示；

其中，所述预设区域包括通行区域、挂号区域、药房区域、门诊出入 口区域、咨询服务区域、诊室区域中的任意一种或者多种。

进一步的，所述分析模块包括：

识别单元，用于通过人脸检测算法检测识别所述视频图像中出现的面 部图像；

比对单元，用于将所述面部图像与黑名单数据库中的预设人脸图像进 行比对得到所述比对结果；

统计单元，用于根据所述面部图像统计对应用户出现在所述医院场地 内的来院次数以及就医行为次数。

进一步的，所述处理模块包括：

评分单元，用于按照预设分数评估策略，对所述比对结果和分析结果 分别进行风险评分；

处理单元，用于根据风险评分结果进行求和计算得到评分总值，根据 评分总值得到对应的面部图像的提示指令。

进一步的，所述评分单元包括：

判断子单元，用于根据所述面部图像及其历史的风险等级判断是否需 要进一步分析；

评估子单元，用于若需进一步分析根据所述就医行为次数对所述面部 图像进行风险评分；若无需进一步分析根据所述比对结果和来院次数对所 述面部图像进行风险评分；

所述处理单元包括：

处理子单元，用于若根据所述评分总值查询映射关系表得到风险等级 为第一等级，生成实名制提示指令；若根据所述评分总值查询映射关系表 得到风险等级为第二等级，生成实名制提示指令，并根据所述面部图像更 新所述黑名单数据库；若根据所述评分总值查询映射关系表得到风险等级 为第三等级，生成报警提示指令。

通过本发明提供的一种风险处理方法和系统，能够准确识别风险用户以采 取对应措施，维护医院场所的正常医疗秩序，提高了医院安全，保障了就诊患 者有序就医的权利。

附图说明

下面将以明确易懂的方式，结合附图说明优选实施方式，对一种风险处理 方法和系统的上述特性、技术特征、优点及其实现方式予以进一步说明。

图1是本发明一种黄牛识别方法的一个实施例的流程图；

图2是本发明一种黄牛识别方法的另一个实施例的流程图；

图3是本发明一种黄牛识别方法的目标摄像头的布置安装示意图；

图4是本发明一种黄牛识别方法的一个实例的流程图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术 之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当 清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中， 省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节 妨碍本申请的描述。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示 所述描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个 或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。

为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并 不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具 有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的 一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个” 的情形。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和 /或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并 且包括这些组合。

另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述， 而不能理解为指示或暗示相对重要性。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附 图说明本发明的具体实施方式。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的前提下， 还可以根据这些附图获得其他的附图，并获得其他的实施方式。

本发明的一个实施例，如图1所示，一种黄牛识别方法，包括：

S100获取医院场地内目标摄像头采集到的环境视频；

具体的，目标摄像头是指医院场地内属于医院和患者公共使用摄像 头，目标摄像头实时采集自身视野范围内的环境视频。然后，医院场地内 的服务器接收各个目标摄像头发送的环境视频。

服务器从医院场地内目标摄像头处获取到环境视频后，环境视频中包 括但是不限于人、病床、桌子、墙壁。服务器将环境视频进行预处理，预 处理包括视频去噪处理、光照归一化处理、姿态校准处理与灰度归一化处 理，此处不做限定。服务器对环境视频进行预处理，便于提取更具辨别力 的面部图像。服务器根据环境视频提取面部图像包括：获取所述环境视频 中每一帧视频图像，检测所述每一帧视频图像中是否存在包含人脸区域， 提取所有所述包含人脸区域的视频图像即为面部图像。

S200将所述环境视频识别出的面部图像与黑名单数据库中的预设人 脸图像进行比对，并根据所述面部图像进行就医行为分析；

具体的，服务器实时储存更新有黑名单数据库，黑名单数据库储存有 “黄牛”、“医闹用户”、“犯罪嫌疑人”、“罪犯”等可能影响医院正 常诊疗秩序的风险用户的预设人脸图像。

服务器通过上述方式获取到面部图像后，将环境视频中识别到的面部 图像与实时储存更新的黑名单数据库的所有预设人脸图像一一进行相似 度比对得到比对结果，并且服务器根据环境视频识别出的面部图像针对面 部图像对应的用户进行针对性的就医行为分析得到分析结果。

S300根据比对结果和分析结果进行风险评分，根据风险评分结果生成 确定为风险用户的提示指令；

S400发送所述提示指令至所述医院场地内的目标终端以发起风险提 示。

具体的，服务器根据上述方式获取到的比对结果和分析结果按照预设 规则对识别出的面部图像对应的用户进行风险评分得到风险评分结果，然 后，服务器根据风险评分结果查询得到对应的提示指令，由于每个面部图 像对应有各自的风险评分结果，因此，服务器查询到的提示指令对应于风 险评分结果所属的面部图像的用户，即面部图像对应的用户对应各自的风 险评分结果及其提示指令。服务器将查询匹配到的提示指令医院场地内的 目标终端，以便目标终端根据提示指令针对不同面部图像的用户分别采取 对应措施进行的风险提示。其中，目标终端包括但是不限于挂号工作人员 的电脑、自助挂号机、诊室的桌面电脑、门诊服务台电脑、门诊入口和保 安室的电脑或音箱、通行区域(例如电梯、走廊等)的音箱。

本发明利用摄像头检测来院人员的面部图像，分析得到来院人员疑似 “黄牛”、“医闹用户”、“犯罪嫌疑人”、“罪犯”等风险用户的概率， 对于高概率为风险用户的用户发起风险提示进行后台预警，利用医院场地 内已有的监控摄像头或增加部署个别监控摄像头设备，不仅仅能够准确识 别出“黄牛”以便及时制止扰乱医疗资源分配规则的行为，而且还能排除 其他风险用户，维护医院场所的正常医疗秩序。

本发明的一个实施例，如图2所示，一种黄牛识别方法，包括：

S010在所述医院场地内的预设区域和场地服务机器人处分别设置目 标摄像头；

具体的，所述预设区域包括通行区域、挂号区域、药房区域、门诊出 入口区域、咨询服务区域、诊室区域中的任意一种或者多种。如图3所示， 每一个预设区域可以设置一个或多个视频拍摄装置(即摄像头或者照相 机)作为目标摄像头。

S100获取医院场地内目标摄像头采集到的环境视频；

S210通过人脸检测算法检测识别所述视频图像中出现的面部图像；

S220将所述面部图像与黑名单数据库中的预设人脸图像进行比对得 到所述比对结果；

具体的，本实施例是上述实施例的优化实施例，本实施例中与上述实 施例相同的部分参见上述实施例，在此不再一一赘述。服务器采用CNN、 OpenCV、Seetaface等人脸检测算法中的任一种进行人脸检测。

由于黑名单数据库中存在某些预设人脸图像已经被确认为风险用户 或者是风险用户的可能性很高。优选的，可以在黑名单数据库中设置有风 险用户分类为“黄牛”、“医闹用户”、“犯罪嫌疑人”、“罪犯”等， 也就是说黑名单数据库包括“黄牛人脸图像集”、“医闹人脸图像集”、 “嫌疑人人脸图像集”、“罪犯人脸图像集”等风险用户图像集。因而在 将获取的面部图像与黑名单数据库中的预设人脸图像进行比对时，可以优 选依次将面部图像与黑名单数据库中不同风险用户图像集对应的预设人 脸图像进行比对。如果对于面部图像与当前风险用户图像集中预设人脸图 像相似度达到预设阈值时，那么服务器的比对结果就是判定该面部图像对 应的用户属于风险用户且能够确定其风险用户类型。如果对于面部图像与 所有风险用户图像集中预设人脸图像相似度均未达到预设阈值时，那么服 务器的比对结果就是判定该面部图像对应的用户不是风险用户类型。示例 性的，“黄牛人脸图像集”存在一个预设人脸图像于面部图像之间的相似 度达到预设阈值时，可以判定该面部图像对应的用户属于医院黄牛。

可以理解的是，对于某些风险用户，若其在预定时长内未被发现存在 被认定为风险用户的错误行为，表明该人员为正常人员，可以在黑名单数 据库中删除该风险用户的预设人脸图像，对黑名单数据库进行定期更新， 减少内存。其中，预定时长是医院管理者或者医院拥有者预先设置的，例 如，预定时长为5年或者10年等。

S230根据所述面部图像统计对应用户出现在所述医院场地内的来院 次数以及就医行为次数；

具体的，服务器通过上述人脸检测算法提取到来院人员的面部图像 后，能够统计在预设周期内(例如一天、一周、或者一个月等)面部图像 对应的用户出现在医院场地内的来院次数以及就医行为次数进而得到分 析结果。

其中，就医行为次数包括挂号次数(即只到医院场地内的窗口挂号处 或者自助挂号终端处进行挂号但不进行就诊的次数)、就诊次数(到医院 场地内诊室进行就诊的次数)、取药次数(到医院场地内的药房进行取药 的次数)、挂专家号次数中的任意一种或多种。

S300根据比对结果和分析结果进行风险评分，根据风险评分结果生成 确定为风险用户的提示指令；

S400发送所述提示指令至所述医院场地内的目标终端以发起风险提 示。

本发明利用摄像头检测来院人员的面部图像，分析得到来院人员疑似 “黄牛”、“医闹用户”、“犯罪嫌疑人”、“罪犯”等风险用户的概率， 对于高概率为风险用户的用户发起风险提示进行后台预警，利用医院场地 内已有的监控摄像头或增加部署个别监控摄像头设备，不仅仅能够准确识 别出“黄牛”以便及时制止扰乱医疗资源分配规则的行为，而且还能排除 其他风险用户，维护医院场所的正常医疗秩序。

本发明的一个实施例，一种黄牛识别方法，包括：

S010在所述医院场地内的预设区域和场地服务机器人处分别设置目 标摄像头；

S100获取医院场地内目标摄像头采集到的环境视频；

S210通过人脸检测算法检测识别所述视频图像中出现的面部图像；

S220将所述面部图像与黑名单数据库中的预设人脸图像进行比对得 到所述比对结果；

S230根据所述面部图像统计对应用户出现在所述医院场地内的来院 次数以及就医行为次数；

S310按照预设分数评估策略，对所述比对结果和分析结果分别进行风 险评分；

S320根据风险评分结果进行求和计算得到评分总值，根据评分总值得 到对应的面部图像的提示指令；

具体的，服务器储存有医院管理者或者医院拥有者自行设定的预设分 数评估策略。然后，服务器根据预设分数评估策略对不同的比对结果和分 析结果一一分别进行评分。

服务器中储存的预设分数评估策略对应有至少两个评分维度，至少两 个评分维度可以包括：定性评估策略、第一定量评估策略和第二定量评估 策略中的至少两个。

在一实施例中，定性评估策略考虑的因素为是否属于黑名单数据库中 的风险用户，例如若属于黑名单数据库中的风险用户则风险评估分数为第 一分数，若否则风险评估分数为第二分数。第一定量评估策略考虑的因素 是来院次数所表征的指标，第二定量评估策略考虑的因素是就医行为次数 所表征的指标。其中，每个评估策略考虑的具体指标可以根据实际需求进 行设定，不同指标对应的风险评估分数的数值不同，本发明对该具体设定方法不作限定。

服务器根据比对结果和分析结果得到至少两个风险评分，服务器最终 将对所有的风险评分结果进行求和或者加权求和，将该求和或者加权求和 得到的值即评分总值作为针对面部图像对应的用户的评价分数。其中，加 权求和时所使用的权重可以根据实际需求进行设定，本发明对此不作限 定。服务器根据再根据评分总值得到对应的面部图像的提示指令。

S400发送所述提示指令至所述医院场地内的目标终端以发起风险提 示；

其中，所述预设区域包括通行区域、挂号区域、药房区域、门诊出入 口区域、咨询服务区域、诊室区域中的任意一种或者多种。

本发明充分利用采集到的面部图像，并根据实际需求对面部图像对应 的用户的风险程度进行划分，进而自动生成对应的判别条件，用于构建风 险用户与否的判别规则。如此，可以极大程度的摆脱规则的生成和调优对 人工的依赖，并且，使得生成规则具有较高的可用性，能够充分满足实际 应用的需求。

本发明的一个实施例，一种黄牛识别方法，包括：

S100获取医院场地内目标摄像头采集到的环境视频；

S200将所述环境视频识别出的面部图像与黑名单数据库中的预设人 脸图像进行比对，并根据所述面部图像进行就医行为分析；

S311根据所述面部图像及其历史的风险等级判断是否需要进一步分 析；

S312若需进一步分析根据所述就医行为次数对所述面部图像进行风 险评分；

S313若无需进一步分析根据所述比对结果和来院次数对所述面部图 像进行风险评分；

S321若根据所述评分总值查询映射关系表得到风险等级为第一等级， 生成实名制提示指令；

S322若根据所述评分总值查询映射关系表得到风险等级为第二等级， 生成实名制提示指令，并根据所述面部图像更新所述黑名单数据库；

S323若根据所述评分总值查询映射关系表得到风险等级为第三等级， 生成报警提示指令；

具体的，服务器根据评分总值确定针对面部图像对应的用户的风险等 级，风险等级用于表征面部图像对应的用户的风险程度。服务器通过对风 险评估分数计算加权和或者求和计算得到最终的风险总值，然后根据风险 总值查询映射关系表，根据映射关系表中预定的风险总值与风险等级的对 应关系，确定最终的风险总值所对应的风险等级为针对面部图像对应的用 户的风险等级。该风险等级越高，则表征面部图像对应的用户的风险程度 越低，风险等级越低，表征面部图像对应的用户的风险程度越高。然后， 服务器根据风险等级查询映射关系表，根据映射关系表中预定的风险等级 与指令的对应关系，查找出的指令即为针对面部图像对应的用户的风险等 级对应的提示指令。

S400发送所述提示指令至所述医院场地内的目标终端以发起风险提 示。

示例性的，“黄牛”判断方法：根据风险评估分数来判断，为每个面 部图像识别出来的来院人员保存历史信息，每个来院人员都有各自的风险 总值，根据累加的风险评估分数对应的风险总值预警，历史信息保存一周 后清除。其中，风险总值与风险等级的对应关系定义如下：

0分：无风险或初始值重新进行识别和评分。

1～2分：进一步分析。

3分：低风险，须实名挂号和实名就诊，进一步分析。

4分：中风险，须实名挂号和实名就诊，加入黑名单。

5分：高风险，报警并推荐人为干预和工作人员当面详细了解情况， 经过调查和证明可清除黑名单。

此处风险总值与风险等级的对应关系的定义、如图4所示不同判断 逻辑(即本发明的比对结果和分析结果)，以及不同判断逻辑对应加分 操作中的加分数值(即本发明的风险评估分数)的设定可根据业务需求 自行设定，本发明不做限定。

提醒预警方法：“须实名挂号和实名就诊”的通知信息发出后，当该 可疑人员挂号或就诊时，挂号工作人员的电脑上、自助挂号机上、诊室的 桌面电脑上会出现“须实名”的提醒，医院工作人员和医生便对可疑人员 进行实名认证。实名挂号后，须本人才能就诊。当高风险报警时，门诊服 务台的电脑和保安室的警报会响起，摄像头报告可疑人员的位置，门诊服 务台工作人员和保安寻找可疑人员。若非罪犯，保安还可通过麦克风和院 内音箱勒令可疑人员原地站住；若是罪犯，则适合悄悄的接近。

本发明利用摄像头检测来院人员的面部图像，分析得到来院人员疑似 “黄牛”、“医闹用户”、“犯罪嫌疑人”、“罪犯”等风险用户的概率， 对于高概率为风险用户的用户发起风险提示进行后台预警，利用医院场地 内已有的监控摄像头或增加部署个别监控摄像头设备，不仅仅能够准确识 别出“黄牛”以便及时制止扰乱医疗资源分配规则的行为，而且还能排除 其他风险用户，维护医院场所的正常医疗秩序，提高了医院安全，保障了 就诊患者的权利。

此外，本发明对来院人员是否为风险用户的评价以自动方法完成，评 价速度快周期短，客观性强。本发明采用统计学分析方法，为面部图像对应的 来院人员的风险等级的评价提供了统一标准，提高了对面部图像对应的来院人 员的风险等级评价的客观性和准确性，减少了大量的人工成本，降低人工评估 是否为来院人员是否为风险用户的主观性和偶然误差，增强评估准确性和可靠 性。

本发明的一个实施例，一种风险处理系统，包括：在所述医院场地内 的预设区域和场地服务机器人处分别设置目标摄像头；

获取模块，用于获取医院场地内目标摄像头采集到的环境视频；

分析模块，用于将所述环境视频识别出的面部图像与黑名单数据库中 的预设人脸图像进行比对，并根据所述面部图像进行就医行为分析；

处理模块，用于根据比对结果和分析结果进行风险评分，根据风险评 分结果生成确定为风险用户的提示指令；

通信模块，用于发送发送所述提示指令至所述医院场地内的目标终端 以发起风险提示；

其中，所述预设区域包括通行区域、挂号区域、药房区域、门诊出入 口区域、咨询服务区域、诊室区域中的任意一种或者多种。

具体的，本实施例是上述方法实施例对应的系统实施例，具体效果参见上 述方法实施例，在此不再一一赘述。

基于前述实施例，所述分析模块包括：

识别单元，用于通过人脸检测算法检测识别所述视频图像中出现的面 部图像；

比对单元，用于将所述面部图像与黑名单数据库中的预设人脸图像进 行比对得到所述比对结果；

统计单元，用于根据所述面部图像统计对应用户出现在所述医院场地 内的来院次数以及就医行为次数。

具体的，本实施例是上述方法实施例对应的系统实施例，具体效果参见上 述方法实施例，在此不再一一赘述。

基于前述实施例，所述处理模块包括：

评分单元，用于按照预设分数评估策略，对所述比对结果和分析结果 分别进行风险评分；

处理单元，用于根据风险评分结果进行求和计算得到评分总值，根据 评分总值得到对应的面部图像的提示指令。

具体的，本实施例是上述方法实施例对应的系统实施例，具体效果参见上 述方法实施例，在此不再一一赘述。

基于前述实施例，所述评分单元包括：

判断子单元，用于根据所述面部图像及其历史的风险等级判断是否需 要进一步分析；

评估子单元，用于若需进一步分析根据所述就医行为次数对所述面部 图像进行风险评分；若无需进一步分析根据所述比对结果和来院次数对所 述面部图像进行风险评分；

所述处理单元包括：

处理子单元，用于若根据所述评分总值查询映射关系表得到风险等级 为第一等级，生成实名制提示指令；若根据所述评分总值查询映射关系表 得到风险等级为第二等级，生成实名制提示指令，并根据所述面部图像更 新所述黑名单数据库；若根据所述评分总值查询映射关系表得到风险等级 为第三等级，生成报警提示指令。

具体的，本实施例是上述方法实施例对应的系统实施例，具体效果参见上 述方法实施例，在此不再一一赘述。

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 述各程序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 分配由不同的程序模块完成，即将所述装置的内部结构划分成不同的程序单元 或模块，以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集 成在一个处理单元中，也可是各个单元单独物理存在，也可以两个或两个以上 单元集成在一个处理单元中，上述集成的单元既可以采用硬件的形式实现，也 可以采用软件程序单元的形式实现。另外，各程序模块的具体名称也只是为了 便于相互区分，并不用于限制本申请的保护范围。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没 有详细描述或记载的部分，可以参见其他实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的 各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件 的结合来实现。这些功能究竟以硬件还是软件来执行，取决于技术方案的 特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不 同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备 和方法，可以通过其他的方式实现。例如，以上所描述的装置/终端设备 实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑 功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可 以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另 一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过 一些接口，装置或单元的间接耦合或通讯连接，可以是电性、机械或其他 的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的， 作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地 方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的 部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可能集成在一个处理单元 中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在 一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软 件功能单元的形式实现。

应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本 发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说， 在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和 润饰也应视为本发明的保护范围。

Claims (10)

1.一种风险处理方法，其特征在于，包括步骤：

获取医院场地内目标摄像头采集到的环境视频；

将所述环境视频识别出的面部图像与黑名单数据库中的预设人脸图像进行比对，并根据所述面部图像进行就医行为分析；

根据比对结果和分析结果进行风险评分，根据风险评分结果生成确定为风险用户的提示指令；

发送所述提示指令至所述医院场地内的目标终端以发起风险提示。

2.根据权利要求1所述的风险处理方法，其特征在于，所述获取医院场地内目标摄像头采集到的环境视频之前包括步骤：

在所述医院场地内的预设区域和场地服务机器人处分别设置目标摄像头；

其中，所述预设区域包括通行区域、挂号区域、药房区域、门诊出入口区域、咨询服务区域、诊室区域中的任意一种或者多种。

3.根据权利要求1所述的风险处理方法，其特征在于，所述将所述环境视频识别出的面部图像与黑名单数据库中的预设人脸图像进行比对，并根据所述面部图像进行就医行为分析包括步骤：

通过人脸检测算法检测识别所述视频图像中出现的面部图像；

将所述面部图像与黑名单数据库中的预设人脸图像进行比对得到所述比对结果；

根据所述面部图像统计对应用户出现在所述医院场地内的来院次数以及就医行为次数。

4.根据权利要求3所述的风险处理方法，其特征在于，所述根据比对结果和分析结果进行风险评分，根据风险评分结果生成确定为风险用户的提示指令包括步骤：

按照预设分数评估策略，对所述比对结果和分析结果分别进行风险评分；

根据风险评分结果进行求和计算得到评分总值，根据评分总值得到对应的面部图像的提示指令。

5.根据权利要求4所述的风险处理方法，其特征在于，所述按照预设分数评估策略，对所述比对结果和分析结果分别进行风险评分包括步骤：

根据所述面部图像及其历史的风险等级判断是否需要进一步分析；

若需进一步分析根据所述就医行为次数对所述面部图像进行风险评分；

若无需进一步分析根据所述比对结果和来院次数对所述面部图像进行风险评分。

6.根据权利要求4所述的风险处理方法，其特征在于，所述根据风险评分结果进行求和计算得到评分总值，根据评分总值得到对应的面部图像的提示指令比较步骤：

若根据所述评分总值查询映射关系表得到风险等级为第一等级，生成实名制提示指令；

若根据所述评分总值查询映射关系表得到风险等级为第二等级，生成实名制提示指令，并根据所述面部图像更新所述黑名单数据库；

若根据所述评分总值查询映射关系表得到风险等级为第三等级，生成报警提示指令。

7.一种风险处理系统，其特征在于，包括：在所述医院场地内的预设区域和场地服务机器人处分别设置目标摄像头；

获取模块，用于获取医院场地内目标摄像头采集到的环境视频；

分析模块，用于将所述环境视频识别出的面部图像与黑名单数据库中的预设人脸图像进行比对，并根据所述面部图像进行就医行为分析；

处理模块，用于根据比对结果和分析结果进行风险评分，根据风险评分结果生成确定为风险用户的提示指令；

通信模块，用于发送发送所述提示指令至所述医院场地内的目标终端以发起风险提示；

其中，所述预设区域包括通行区域、挂号区域、药房区域、门诊出入口区域、咨询服务区域、诊室区域中的任意一种或者多种。

8.根据权利要求7所述的风险处理系统，其特征在于，所述分析模块包括：

识别单元，用于通过人脸检测算法检测识别所述视频图像中出现的面部图像；

比对单元，用于将所述面部图像与黑名单数据库中的预设人脸图像进行比对得到所述比对结果；

统计单元，用于根据所述面部图像统计对应用户出现在所述医院场地内的来院次数以及就医行为次数。

9.根据权利要求8所述的风险处理系统，其特征在于，所述处理模块包括：

评分单元，用于按照预设分数评估策略，对所述比对结果和分析结果分别进行风险评分；

处理单元，用于根据风险评分结果进行求和计算得到评分总值，根据评分总值得到对应的面部图像的提示指令。

10.根据权利要求9所述的风险处理系统，其特征在于，所述评分单元包括：

判断子单元，用于根据所述面部图像及其历史的风险等级判断是否需要进一步分析；

评估子单元，用于若需进一步分析根据所述就医行为次数对所述面部图像进行风险评分；若无需进一步分析根据所述比对结果和来院次数对所述面部图像进行风险评分；

所述处理单元包括：

处理子单元，用于若根据所述评分总值查询映射关系表得到风险等级为第一等级，生成实名制提示指令；若根据所述评分总值查询映射关系表得到风险等级为第二等级，生成实名制提示指令，并根据所述面部图像更新所述黑名单数据库；若根据所述评分总值查询映射关系表得到风险等级为第三等级，生成报警提示指令。

Images