CN116759044A - 一种基于区块链的智能药店管理系统及方法 - Google Patents
一种基于区块链的智能药店管理系统及方法 Download PDFInfo
- Publication number
- CN116759044A CN116759044A CN202310622251.2A CN202310622251A CN116759044A CN 116759044 A CN116759044 A CN 116759044A CN 202310622251 A CN202310622251 A CN 202310622251A CN 116759044 A CN116759044 A CN 116759044A
- Authority
- CN
- China
- Prior art keywords
- customer
- pharmacy
- medicine
- identity
- purchasing
- 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 50
- 239000003814 drug Substances 0.000 claims abstract description 135
- 238000012544 monitoring process Methods 0.000 claims abstract description 48
- 229940079593 drug Drugs 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 238000007726 management method Methods 0.000 claims description 38
- 238000005516 engineering process Methods 0.000 claims description 36
- 230000036541 health Effects 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 28
- 230000001815 facial effect Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 21
- 238000013075 data extraction Methods 0.000 claims description 6
- 229940124645 emergency medicine Drugs 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000036544 posture Effects 0.000 description 41
- 230000006399 behavior Effects 0.000 description 12
- 230000036772 blood pressure Effects 0.000 description 4
- 230000036760 body temperature Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000008451 emotion Effects 0.000 description 4
- 230000008921 facial expression Effects 0.000 description 4
- 230000005021 gait Effects 0.000 description 4
- 206010000117 Abnormal behaviour Diseases 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 206010013700 Drug hypersensitivity Diseases 0.000 description 1
- 206010013710 Drug interaction Diseases 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000005311 drug allergy Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
- G16H20/13—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered from dispensers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medicinal Chemistry (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Pharmacology & Pharmacy (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Toxicology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于区块链的智能药店管理系统及方法，涉及智能药店技术领域，包括以下步骤：S1：监测到顾客进入药店检测范围，识别当前顾客是否为智能药店管理系统中的认证用户；S2：对进入药店范围的顾客身份进行分析，判断当前顾客是否为患者；S3：根据顾客身份信息，对当前顾客的购药范围进行分析，并将分析得到的药物推送至终端显示，供顾客选择；S4：根据顾客身份信息对选购药物的全流程进行管理；使得自助购药的整个流程不再限制于单纯的购物场景化，以便于减少由于固定的购药流程导致的患者的用药时间延误，提高购药流程的灵活度，考虑到了顾客的紧急需求，更加人性化的为无人化购药提供便捷的自助服务。
Description
技术领域
本发明涉及智能药店技术领域，具体为一种基于区块链的智能药店管理系统及方法。
背景技术
随着科技的发展，无人超市、无人酒店、无人驾驶等都已经出现在了我们的生活中，作为医药零售主渠道的无人药店也渐渐变成事实，顾客只需要按照规定流程就能实现自助购药，药店的智能进程正在加快。智能药房通过互联网、大数据、人工智能等技术，加速了药物零售从传统商业模式向创新产业模式的升级。
药品作为一种特殊商品，有更加严格的销售门槛，在智能药店内，通过人脸识别、智能监控、智能货架、无感结算等智能技术的应用，对自助药物选购流程进行把控。但是，当前对于智能药房的建设还存在许多不足，当患者的病情不足以支撑患者完成自助购药时，固定的购药流程可能会延误患者的用药时间，不能够保证患者的安全性。
因此，为了解决上述问题或部分问题，本发明提供了一种基于区块链的智能药店管理系统及方法。
发明内容
本发明的目的在于提供一种基于区块链的智能药店管理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于区块链的智能药店管理方法，包括以下步骤：
S1：通过传感器或视频监控技术监测到顾客进入药店检测范围，通过面部特征识别技术判别当前顾客是否为智能药店管理系统中的认证用户；
S2：基于用户行为数据，采用图像处理技术对进入药店范围的顾客身份进行分析，通过对药店区域内各顾客的健康指数计算，判断当前顾客是否为患者；
S3：通过获取的顾客信息判断当前顾客的不适类型，对当前顾客的购药范围进行分析，向顾客提供以供参考的药物选择范围，并将分析得到的药物推送至终端显示，供顾客选择；
S4：根据S1和S2判别的顾客身份信息，对各顾客自助选购药物的全流程进行管理，并通过区块链技术，对完成自助购药的顾客进行标记、追踪。
进一步的，所述步骤S1包括：
步骤S1-1：通过传感器或视频监控技术对药店区域内的人员动向进行实时监测，当监测到有顾客进入药店区域时，对当前顾客的面部图像进行采集；
步骤S1-2：对采集到的顾客的面部图像进行处理，提取用户的面部特征，并与数据库中存储的已认证的面部特征进行对比，若当前用户的面部特征与数据库中已认证的面部特征的相似度超过预设阈值，则认为当前顾客为已认证用户；
步骤S1-3：输出对当前顾客是否为系统认证用户的判定结果，并将监测到的药店区域内的顾客信息进行存储；
所述药店区域表示智能药店外的监控区域和智能药店内的室内区域；
优选的，人脸识别仅仅是身份认证的一种方式，根据实际需求，当安全性需求较高时，可采取多重身份验证方式，以提高安全性；同时，在使用人脸识别技术时，还需注意考虑用户隐私和信息安全等问题。
进一步的，所述步骤S2包括：
步骤S2-1：通过视频监控技术对顾客在药店区域内的行为数据进行获取；
步骤S2-2：基于用户行为数据，采用图像处理技术，提取人脸和行走体态相关特征，或者通过智能终端等物联网设备，采集用户的心率、血压、体温等数据；其中，通过现有技术中的人脸检测算法，对监控数据中的图像进行人脸识别，通过图像处理中的姿态估计技术，对监控数据中的人体姿态进行识别；
由于患病和身体不适可能会导致人员行为产生一些异常行为，如突然停止移动、脸色苍白、抱头弯腰等，可以通过图像处理和识别算法对监控数据进行特征提取，并结合多个特征进行综合判断。
步骤S2-3：根据以下公式对药店区域内顾客的健康指数H进行计算：
其中，η1、η2分别表示人脸特征和人体姿态特征的权重系数，用于调整不同特征的重要程度；Q＝{Q1，Q2，...，Qn}，Q1、Q2、...、Qn分别表示人脸特征中的第1、2、...n类特征，i＝1,2,...,n，i∈(1,2，...，n)，n表示提取到的关于当前顾客的人脸特征所包含特征类别的数量，ωi表示人脸特征中第i类特征的权重系数；F＝{F1，F2，...，Fm}，F1、F2、...、Fm分别表示人体姿态特征中的第1、2、...m类特征，j∈(1,2，...，m)，m表示提取到的关于当前顾客的人体姿态特征所包含特征类别的数量；ωj表示人体姿态特征中第j类特征的权重系数；
当顾客的健康指数H超出预设的健康阈值时，认为当前顾客为患者；
所述人脸表情可包括肤色健康度和表情轻松度，通过计算肤色均匀度和肤色光泽度得到肤色健康度，通过分析表情情绪状态计算顾客的表情轻松度；其中，对于步骤S2-2检测得到的人脸数据，利用图像处理技术中的表情识别算法，对人脸表情情绪进行分类，根据分类结果赋予各类表情权重；
所述人体姿态包括多种姿态，综合各姿态权重比例计算其人体姿态权重；人的姿态包括身体的方向、位置、旋转等多种信息，人体姿态数据包括人体骨骼关节坐标、身体朝向、运动轨迹等，姿态估计算法包括基于机器学习的方法和基于深度学习的方法。对人体姿态进行识别，并得到其对应的姿态标签，根据不同姿态标签的健康程度，为各姿态标签赋予权重；根据用户的站姿、坐姿、行走步态等姿态来综合计算其人体姿态权重。
优选的，当顾客佩戴可监测身体健康数据的物联网终端时，可对顾客的心率、血压、体温、血氧饱和度等数据特征进行分析，对其分配相应权重，进而实现对顾客的健康指数H分析；
通过以上方法可以基于用户行为数据进行分析来判断目标区域内是否有顾客感到身体不适，但需要注意保护顾客个人隐私，在进行相关监测时，对采集到的数据进行安全存储和合理使用。
进一步的，所述步骤S3根据顾客身份信息，对当前顾客的购药范围进行分析，并将分析得到的药物推送至终端显示，供顾客选择；包括：
步骤S3-1：通过获取的顾客信息判断当前顾客的不适类型，筛选店内备有的常用应急药物；
步骤S3-2：通过区块链技术，对系统认证用户的病史及常用药物进行获取；患者的身体状况与药物的选择和剂量密切相关；
步骤S3-3：结合顾客个体情况，向顾客提供以供参考的药物选择范围，包括药物种类、用药剂量等，并将分析得到的药物选择范围在店内的交互终端进行显示，对顾客进行引导；
综合考虑以上因素，可以制定出适合患者的个性化药物治疗方案，提高顾客的购药效率。
进一步的，在步骤S4中，根据S1中对当前顾客是否为智能药店管理系统中的认证用户的判断结果和S2中对顾客身份的分析结果，对智能药店内自助选购药物的全流程进行管理，提高了针对用户多样性进行的自助服务合理性，包括：
A：若当前顾客为系统未认证用户，当判定顾客身份不为患者时，向该顾客发出认证提示，顾客通过智能药店内的终端设备在智能药店管理系统中完成用户认证，将该顾客身份信息转变为已认证用户；
B：若当前顾客为系统已认证用户，当判定顾客身份不为患者时，向该顾客开放自助购药服务，顾客根据智能药店内的指引提示完成自助购药流程；
C：若当前顾客为系统未认证用户，当判定顾客身份为患者时，则对患者的药物需求进行分析，将该未认证顾客的身份信息上传至云端，跳过自助购药部分流程，通过智能药店内终端设备引导身份为患者的顾客拿取药物；
D：若当前顾客为系统已认证用户，当判定顾客身份为患者时，则结合云端中该顾客的药物使用历史，对患者的药物需求进行分析，跳过自助购药部分流程，通过智能药店内终端设备引导身份为患者的顾客拿取药物。
其中，常规的固定自助购药流程包括用户登录、药物搜索、药柜选购、支付等步骤，本发明通过数据分析，对于身体不适的顾客的自助购药流程进行调节，对于用户登录、药物搜索、支付等步骤可进行跳过，减少了顾客的购药时间，提高了购药效率；
同时，本发明通过区块链技术，对未执行支付操作的顾客进行标记、追踪，当该顾客再次出现在智能药店或与药店联网的医院时，对其未支付账单进行提示，顾客需要将未支付账单结清，通过区块链技术可以有效对顾客进行追踪，在保证顾客用药及时的同时，保证智能药店的账单平衡。
一种基于区块链的智能药店管理系统，所述系统包括：数据获取模块、身份信息分析模块和购药流程监管模块；
所述数据获取模块用于获取药店范围的顾客信息，并对其进行存储；
所述身份信息分析模块用于对获取到的顾客相关数据进行分析，对顾客的身份进行判别；
所述购药流程监管模块用于根据分析得出的顾客身份信息，对进行自助购药的各顾客进行相应的流程管理。
进一步的，所述数据获取模块包括药店监控单元、顾客信息采集单元、特征数据提取单元；
所述药店监控单元用于通过实时监控数据对药店范围内的人员出入动态进行检测，当检测到药店内出现顾客时，触发系统运行；
所述顾客信息采集单元用于通过视频对当前顾客的相关信息进行采集；以便于通过顾客相关信息分析顾客身份；
所述特征数据提取单元用于对采集到的顾客相关信息进行处理，提取各顾客的相关数据特征。
进一步的，所述身份信息分析模块包括顾客身份认证单元、顾客身份判别单元和个体健康状态分析单元；
所述顾客身份认证单元用于根据数据获取模块中的数据判别药店内各顾客是否为系统认证用户，对于未认证用户，可通过药店内的终端设备进行身份认证；
所述顾客身份判别单元用于根据数据获取模块中的数据对药店内各顾客的身份进行判别，通过分析各顾客的身体状态对其进行分类；
所述个体健康状态分析单元用于根据数据获取模块中的数据对顾客的健康状态进行分析，向其提供相关药物指引。
进一步的，所述购药流程监管模块包括实时购药监控单元和购药流程管理单元；
所述实时购药监控单元用于对智能药店内的顾客购药行为进行实时监控，以便于对购药中的各项流程进行把控，同时有助于积累相关数据，便于后期智能服务优化；
所述购药流程管理单元用于根据顾客身份信息对智能药店内自助选购药物的全流程进行管理。以便于减少由于固定的购药流程导致的患者的用药时间延误，提高购药流程的灵活度，进一步保证了店内患者的安全。
与现有技术相比，本发明所达到的有益效果是：
本发明通过数据获取模块获取药店范围的顾客信息，并对其进行存储；通过身份信息分析模块对获取到的顾客相关数据进行分析，对顾客的身份进行判别；通过购药流程监管模块根据分析得出的顾客身份信息，对进行自助购药的各顾客进行相应的流程管理。使得自助购药的整个流程不再限制于单纯的购物场景化，以便于减少由于固定的购药流程导致的患者的用药时间延误，提高购药流程的灵活度，进一步保证了店内患者的安全，考虑到了顾客的紧急需求，更加人性化的为无人化购药提供便捷、舒适的自助服务；更加适应顾客的多元化需求。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于区块链的智能药店管理系统的模块结构示意图；
图2是本发明一种基于区块链的智能药店管理方法的流程示意图。
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，所描述的实施例仅仅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做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。
请参阅图1、图2和具体实施例对本发明作进一步的说明。
实施例1：如图1所示，本实施例提供了一种基于区块链的智能药店管理系统，所述系统包括：数据获取模块、身份信息分析模块和购药流程监管模块；
数据获取模块，用于获取药店范围的顾客信息，并对其进行存储；数据获取模块包括药店监控单元、顾客信息采集单元、特征数据提取单元；
药店监控单元用于通过实时监控数据对药店范围内的人员出入动态进行检测，当检测到药店内出现顾客时，触发系统运行；
顾客信息采集单元用于通过视频对当前顾客的相关信息进行采集；以便于通过顾客相关信息分析顾客身份；
特征数据提取单元用于对采集到的顾客相关信息进行处理，提取各顾客的相关数据特征。
身份信息分析模块，用于对获取到的顾客相关数据进行分析，对顾客的身份进行判别；身份信息分析模块包括顾客身份认证单元、顾客身份判别单元和个体健康状态分析单元；
顾客身份认证单元用于根据数据获取模块中的数据判别药店内各顾客是否为系统认证用户，对于未认证用户，可通过药店内的终端设备进行身份认证；
顾客身份判别单元用于根据数据获取模块中的数据对药店内各顾客的身份进行判别，通过分析各顾客的身体状态对其进行分类；
个体健康状态分析单元用于根据数据获取模块中的数据对顾客的健康状态进行分析，向其提供相关药物指引。
购药流程监管模块，用于根据分析得出的顾客身份信息，对进行自助购药的各顾客进行相应的流程管理；购药流程监管模块包括实时购药监控单元和购药流程管理单元；
实时购药监控单元用于对智能药店内的顾客购药行为进行实时监控，以便于对购药中的各项流程进行把控，同时有助于积累相关数据，便于后期智能服务优化；
购药流程管理单元用于根据顾客身份信息对智能药店内自助选购药物的全流程进行管理。以便于减少由于固定的购药流程导致的患者的用药时间延误，提高购药流程的灵活度，进一步保证了店内患者的安全。
实施例2：如图2所示，本实施例提供了一种基于区块链的智能药店管理方法，其基于实施例中的一种基于区块链的智能药店管理系统实现，具体包括以下步骤：
S1：监测到顾客进入药店检测范围，识别当前顾客是否为智能药店管理系统中的认证用户；
其中，步骤S1包括：
步骤S1-1：通过传感器或视频监控技术对药店区域内的人员动向进行实时监测，当监测到有顾客进入药店区域范围时，对当前顾客的面部图像进行采集；
例如，通过红外传感器、微波雷达等传感器，可以通过感知目标区域的人员动态，从而对顾客出入药店的活动进行监测；
或者，利用摄像头等设备对药店区域内的图像进行实时采集，并通过图像处理和识别算法，对目标人物的动态特征进行获取，从而实现对顾客进出药店行为的监测和识别；
步骤S1-2：对采集到的顾客的面部图像进行处理，提取用户的面部特征，并与数据库中存储的已认证的面部特征进行对比，若当前用户的面部特征与数据库中已认证的面部特征的相似度超过预设阈值，则认为当前顾客为已认证用户；
步骤S1-3：输出对当前顾客是否为系统认证用户的判定结果，并将监测到的药店区域内的顾客信息进行存储；
人脸识别仅仅是身份认证的一种方式，根据实际需求，当安全性需求较高时，可采取多重身份验证方式，以提高安全性；同时，在使用人脸识别技术时，还需注意考虑用户隐私和信息安全等问题。
S2：对进入药店范围的顾客身份进行分析，判断当前顾客是否为患者；
其中，步骤S2包括：
步骤S2-1：通过视频监控技术对顾客在药店区域内的行为数据进行获取；
步骤S2-2：基于用户行为数据，采用图像处理技术，提取人脸和行走体态相关特征，或者通过智能终端等物联网设备，采集用户的心率、血压、体温等数据；其中，通过图像处理技术中的人脸检测算法，对监控数据中的图像进行人脸识别，通过图像处理中的姿态估计技术，对监控数据中的人体姿态进行识别；例如，使用基于深度学习的卷积神经网络分类器，使用开源的人脸识别库如OpenCV等进行机器学习。
由于患病和身体不适可能会导致人员行为产生一些异常行为，如突然停止移动、脸色苍白、抱头弯腰等，可以通过图像处理和识别算法对监控数据进行特征提取，并结合多个特征进行综合判断。
步骤S2-3：根据以下公式对药店区域内顾客的健康指数H进行计算：
其中，η1、η2分别表示人脸特征和人体姿态特征的权重系数，用于调整不同特征的重要程度；Q＝{Q1，Q2，...，Qn}，Q1、Q2、...、Qn分别表示人脸特征中的第1、2、...n类特征，i＝1,2,...,n，i∈(1,2，...，n)，n表示提取到的关于当前顾客的人脸特征所包含特征类别的数量，ωi表示人脸特征中第i类特征的权重系数；F＝{F1，F2，...，Fm}，F1、F2、...、Fm分别表示人体姿态特征中的第1、2、...m类特征，j∈(1,2，...，m)，m表示提取到的关于当前顾客的人体姿态特征所包含特征类别的数量；ωj表示人体姿态特征中第j类特征的权重系数；
当顾客的健康指数H超出预设的健康阈值时，认为当前顾客为患者；
所述人脸表情可包括肤色健康度和表情轻松度，通过计算肤色均匀度和肤色光泽度得到肤色健康度，通过分析表情情绪状态计算顾客的表情轻松度；其中，对于步骤S2-2检测得到的人脸数据，利用图像处理技术中的表情识别算法，对人脸表情情绪进行分类，根据分类结果赋予各类表情权重；例如，使用基于深度学习的卷积神经网络模型在数据集上进行训练，可识别出不同的表情状态。
所述人体姿态包括多种姿态，综合各姿态权重比例计算其人体姿态权重；例如，通过分析人员的步态、速度、时间等指标，可以初步检测出异常行为，然后结合其他因素如天气、环境等对结果进行进一步的判断分析。人的姿态包括身体的方向、位置、旋转等多种信息，人体姿态数据包括人体骨骼关节坐标、身体朝向、运动轨迹等，姿态估计算法包括基于机器学习的方法和基于深度学习的方法。例如，Hourglass模型就是一种用于人体姿态估计的深度学习模型；对人体姿态进行识别，并得到其对应的姿态标签，根据不同姿态标签的健康程度，为各姿态标签赋予权重；根据用户的站姿、坐姿、行走步态等姿态来综合计算其人体姿态权重。行走步态权重可以通过行走特征的分析来确定，例如步频、步速和步幅等。
优选的，当顾客佩戴可监测身体健康数据的物联网终端时，可对顾客的心率、血压、体温、血氧饱和度等数据特征进行分析，对其分配相应权重，进而实现对顾客的健康指数H分析；
通过以上方法可以基于用户行为数据进行分析来判断目标区域内是否有顾客感到身体不适，但需要注意保护顾客个人隐私，在进行相关监测时，对采集到的数据进行安全存储和合理使用。
S3：根据顾客身份信息，对当前顾客的购药范围进行分析，并将分析得到的药物推送至终端显示，供顾客选择；
其中，步骤S3包括：
步骤S3-1：通过获取的顾客信息判断当前顾客的不适类型，筛选店内备有的常用应急药物；
步骤S3-2：通过区块链技术，对系统认证用户的病史及常用药物进行获取；
患者的身体状况与药物的选择和剂量密切相关，例如，若顾客有过敏史或者正在使用其他药物，需要特别注意药物选择和剂量，避免出现药物过敏或者药物相互作用的情况；
步骤S3-3：结合顾客个体情况，向顾客提供以供参考的药物选择范围，包括药物种类、用药剂量等，并将分析得到的药物选择范围在店内的交互终端进行显示，对顾客进行引导；
综合考虑以上因素，可以制定出适合患者的个性化药物治疗方案，提高顾客的购药效率。
S4：根据顾客身份信息对选购药物的全流程进行管理；在步骤S4中，根据S1中对当前顾客是否为智能药店管理系统中的认证用户的判断结果和S2中对顾客身份的分析结果，对智能药店内自助选购药物的全流程进行管理，提高了针对用户多样性进行的自助服务合理性，包括：
A：若当前顾客为系统未认证用户，当判定顾客身份不为患者时，向该顾客发出认证提示，顾客通过智能药店内的终端设备在智能药店管理系统中完成用户认证，将该顾客身份信息转变为已认证用户；
B：若当前顾客为系统已认证用户，当判定顾客身份不为患者时，向该顾客开放自助购药服务，顾客根据智能药店内的指引提示完成自助购药流程；
C：若当前顾客为系统未认证用户，当判定顾客身份为患者时，则对患者的药物需求进行分析，将该未认证顾客的身份信息上传至云端，跳过自助购药部分流程，通过智能药店内终端设备引导身份为患者的顾客拿取药物；
D：若当前顾客为系统已认证用户，当判定顾客身份为患者时，则结合云端中该顾客的药物使用历史，对患者的药物需求进行分析，跳过自助购药部分流程，通过智能药店内终端设备引导身份为患者的顾客拿取药物。
其中，常规的固定自助购药流程包括用户登录、药物搜索、药柜选购、支付等步骤，本发明通过数据分析，对于身体不适的顾客的自助购药流程进行调节，对于用户登录、药物搜索、支付等步骤可进行跳过，减少了顾客的购药时间，提高了购药效率；
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于区块链的智能药店管理方法，其特征在于：包括以下步骤：
S1：通过传感器或视频监控技术监测到顾客进入药店检测范围，通过面部特征识别技术判别当前顾客是否为智能药店管理系统中的认证用户；
S2：基于用户行为数据，采用图像处理技术对进入药店范围的顾客身份进行分析，通过对药店区域内各顾客的健康指数计算，判断当前顾客是否为患者；
S3：通过获取的顾客信息判断当前顾客的不适类型，对当前顾客的购药范围进行分析，向顾客提供以供参考的药物选择范围，并将分析得到的药物推送至终端显示，供顾客选择；
S4：根据S1和S2判别的顾客身份信息，对各顾客自助选购药物的全流程进行管理，并通过区块链技术，对完成自助购药的顾客进行标记、追踪。
2.根据权利要求1所述的一种基于区块链的智能药店管理方法，其特征在于：所述S1包括：
步骤S1-1：通过传感器或视频监控技术对药店区域内的人员动向进行实时监测，当监测到有顾客进入药店区域范围时，对当前顾客的面部图像进行采集；
步骤S1-2：对采集到的顾客的面部图像进行处理，提取用户的面部特征，并与数据库中已认证的面部特征进行对比，若当前用户的面部特征与数据库中已认证的面部特征的相似度超过预设阈值，则认为当前顾客为已认证用户；
步骤S1-3：输出对当前顾客是否为系统认证用户的判定结果，并将监测到的药店区域内的顾客信息进行存储。
3.根据权利要求1所述的一种基于区块链的智能药店管理方法，其特征在于：所述S2包括：
步骤S2-1：通过视频监控技术对顾客在药店区域内的行为数据进行获取；
步骤S2-2：基于用户行为数据，采用图像处理技术，提取人脸和行走体态相关特征；其中，通过图像处理技术中的人脸检测算法，对监控数据中的图像进行人脸识别，通过图像处理中的姿态估计技术，对监控数据中的人体姿态进行识别；
步骤S2-3：根据以下公式对药店区域内顾客的健康指数H进行计算：
其中，η1、η2分别表示人脸特征和人体姿态特征的权重系数，Q＝{Q1，Q2，...，Qn}，Q1、Q2、...、Qn分别表示人脸特征中的第1、2、...n类特征，i＝1,2,...,n，i∈(1,2，...，n)，n表示提取到的关于当前顾客的人脸特征所包含特征类别的数量，ωi表示人脸特征中第i类特征的权重系数；F＝{F1，F2，...，Fm}，F1、F2、...、Fm分别表示人体姿态特征中的第1、2、...m类特征，j∈(1,2，...，m)，m表示提取到的关于当前顾客的人体姿态特征所包含特征类别的数量；ωj表示人体姿态特征中第j类特征的权重系数；
当顾客的健康指数H超出预设的健康阈值时，认为当前顾客为患者。
4.根据权利要求1所述的一种基于区块链的智能药店管理方法，其特征在于：所述S3包括：
步骤S3-1：通过获取的顾客信息判断当前顾客的不适类型，筛选店内备有的常用应急药物；
步骤S3-2：通过区块链技术，对系统认证用户的病史及常用药物进行获取；
步骤S3-3：结合顾客个体情况，向顾客提供以供参考的药物选择范围，并将分析得到的药物选择范围在店内的交互终端进行显示，对顾客进行引导。
5.根据权利要求1所述的一种基于区块链的智能药店管理方法，其特征在于：在S4中，对智能药店内自助选购药物的全流程进行管理，包括：
A：若当前顾客为系统未认证用户，当判定顾客身份不为患者时，向该顾客发出认证提示，顾客通过智能药店内的终端设备在智能药店管理系统中完成用户认证，将该顾客身份信息转变为已认证用户；
B：若当前顾客为系统已认证用户，当判定顾客身份不为患者时，向该顾客开放自助购药服务，顾客根据智能药店内的指引提示完成自助购药流程；
C：若当前顾客为系统未认证用户，当判定顾客身份为患者时，则对患者的药物需求进行分析，将该未认证顾客的身份信息上传至云端，跳过自助购药部分流程，通过智能药店内终端设备引导身份为患者的顾客拿取药物；
D：若当前顾客为系统已认证用户，当判定顾客身份为患者时，则结合云端中该顾客的药物使用历史，对患者的药物需求进行分析，跳过自助购药部分流程，通过智能药店内终端设备引导身份为患者的顾客拿取药物；
其中，通过区块链技术，对未执行支付操作的顾客进行标记、追踪，当该顾客再次出现在智能药店或与药店联网的医院时，对其未支付账单进行提示，顾客需要将未支付账单结清。
6.一种基于区块链的智能药店管理系统，其特征在于：所述系统包括：数据获取模块、身份信息分析模块和购药流程监管模块；
所述数据获取模块用于获取药店范围的顾客信息，并对其进行存储；
所述身份信息分析模块用于对获取到的顾客相关数据进行分析，对顾客的身份进行判别；
所述购药流程监管模块用于根据分析得出的顾客身份信息，对进行自助购药的各顾客进行相应的流程管理。
7.根据权利要求6所述的一种基于区块链的智能药店管理系统，其特征在于：所述数据获取模块包括药店监控单元、顾客信息采集单元、特征数据提取单元；
所述药店监控单元用于通过实时监控数据对药店范围内的人员出入动态进行检测，当检测到药店内出现顾客时，触发系统运行；
所述顾客信息采集单元用于通过视频对当前顾客的相关信息进行采集；
所述特征数据提取单元用于对采集到的顾客相关信息进行处理，提取各顾客的相关数据特征。
8.根据权利要求6所述的一种基于区块链的智能药店管理系统，其特征在于：所述身份信息分析模块包括顾客身份认证单元、顾客身份判别单元和个体健康状态分析单元；
所述顾客身份认证单元用于根据数据获取模块中的数据判别药店内各顾客是否为系统认证用户，对于未认证用户，可通过药店内的终端设备进行身份认证；
所述顾客身份判别单元用于根据数据获取模块中的数据对药店内各顾客的身份进行判别，通过分析各顾客的身体状态对其进行分类；
所述个体健康状态分析单元用于根据数据获取模块中的数据对顾客的健康状态进行分析，向其提供相关药物指引。
9.根据权利要求6所述的一种基于区块链的智能药店管理系统，其特征在于：所述购药流程监管模块包括实时购药监控单元和购药流程管理单元；
所述实时购药监控单元用于对智能药店内的顾客购药行为进行实时监控；
所述购药流程管理单元用于根据顾客身份信息对智能药店内自助选购药物的全流程进行管理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310622251.2A CN116759044A (zh) | 2023-05-30 | 2023-05-30 | 一种基于区块链的智能药店管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310622251.2A CN116759044A (zh) | 2023-05-30 | 2023-05-30 | 一种基于区块链的智能药店管理系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116759044A true CN116759044A (zh) | 2023-09-15 |
Family
ID=87956283
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310622251.2A Pending CN116759044A (zh) | 2023-05-30 | 2023-05-30 | 一种基于区块链的智能药店管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116759044A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118365401A (zh) * | 2024-03-07 | 2024-07-19 | 连云港沛元智能科技有限公司 | 一种基于物联网的智能零售解决方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113113102A (zh) * | 2021-04-14 | 2021-07-13 | 北京小乔机器人科技发展有限公司 | 一种基于机器人的药店会员管理方法 |
| CN113257440A (zh) * | 2021-06-21 | 2021-08-13 | 杭州金线连科技有限公司 | 一种基于病患视频识别的icu智能看护系统 |
| CN113688736A (zh) * | 2021-08-25 | 2021-11-23 | 燕山大学 | 一种对患者健康状况进行分析监测的方法 |
| CN114360680A (zh) * | 2022-01-07 | 2022-04-15 | 肆玩江湖(福建)科技有限公司 | 基于区块链和云服务的健康大数据管理系统 |
| CN115862128A (zh) * | 2022-09-29 | 2023-03-28 | 河海大学 | 一种基于人体骨架的顾客异常行为识别方法 |
-
2023
- 2023-05-30 CN CN202310622251.2A patent/CN116759044A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113113102A (zh) * | 2021-04-14 | 2021-07-13 | 北京小乔机器人科技发展有限公司 | 一种基于机器人的药店会员管理方法 |
| CN113257440A (zh) * | 2021-06-21 | 2021-08-13 | 杭州金线连科技有限公司 | 一种基于病患视频识别的icu智能看护系统 |
| CN113688736A (zh) * | 2021-08-25 | 2021-11-23 | 燕山大学 | 一种对患者健康状况进行分析监测的方法 |
| CN114360680A (zh) * | 2022-01-07 | 2022-04-15 | 肆玩江湖(福建)科技有限公司 | 基于区块链和云服务的健康大数据管理系统 |
| CN115862128A (zh) * | 2022-09-29 | 2023-03-28 | 河海大学 | 一种基于人体骨架的顾客异常行为识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘文清主编: "《元宇宙营销 认知方法与实践》", 31 July 2020, 黑龙江科学技术出版社, pages: 44 - 50 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118365401A (zh) * | 2024-03-07 | 2024-07-19 | 连云港沛元智能科技有限公司 | 一种基于物联网的智能零售解决方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7083809B2 (ja) | プライバシーの保護を伴う人物の識別しおよび／または痛み、疲労、気分、および意図の識別および定量化のためのシステムおよび方法 | |
| US12023136B2 (en) | Method and system for abnormality detection | |
| Werner et al. | Towards pain monitoring: Facial expression, head pose, a new database, an automatic system and remaining challenges | |
| Arunnehru et al. | Automatic human emotion recognition in surveillance video | |
| WO2018218286A1 (en) | Method and system for abnormality detection | |
| US20160350801A1 (en) | Method for analysing comprehensive state of a subject | |
| US10380603B2 (en) | Assessing personality and mood characteristics of a customer to enhance customer satisfaction and improve chances of a sale | |
| Schmidt et al. | Multi-target affect detection in the wild: an exploratory study | |
| Kächele et al. | Bio-visual fusion for person-independent recognition of pain intensity | |
| CN108090688B (zh) | 智能健身管理系统 | |
| US12056752B2 (en) | System and method for visually tracking persons and imputing demographic and sentiment data | |
| JP4607797B2 (ja) | 行動判別装置、方法およびプログラム | |
| Li et al. | Driver fatigue detection based on convolutional neural network and face alignment for edge computing device | |
| CN113256865A (zh) | 一种智能门禁的控制方法和系统 | |
| EP4094219A1 (en) | Customer behavioural system | |
| Islam et al. | A robust incremental clustering-based facial feature tracking | |
| Hupont et al. | Sensing facial emotions in a continuous 2D affective space | |
| CN116759044A (zh) | 一种基于区块链的智能药店管理系统及方法 | |
| US20240265434A1 (en) | System and method for visually tracking persons and imputing demographic and sentiment data | |
| CN110689389A (zh) | 基于计算机视觉的购物清单自动维护方法及装置、存储介质、终端 | |
| CN112150193A (zh) | 一种客群分析方法、系统及存储介质 | |
| TW201918934A (zh) | 運用深度學習技術之智慧影像資訊及大數據分析系統及方法 | |
| US20240112248A1 (en) | System for Imaging and Detection | |
| Shergill et al. | Computerized sales assistants: the application of computer technology to measure consumer interest-a conceptual framework | |
| Balasubaramanian et al. | An effective stacked autoencoder based depth separable convolutional neural network model for face mask detection |
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 |