CN117012352A - 一种基于人脸识别的医患无感同行方法 - Google Patents

一种基于人脸识别的医患无感同行方法 Download PDF

Info

Publication number
CN117012352A
CN117012352A CN202311032833.1A CN202311032833A CN117012352A CN 117012352 A CN117012352 A CN 117012352A CN 202311032833 A CN202311032833 A CN 202311032833A CN 117012352 A CN117012352 A CN 117012352A
Authority
CN
China
Prior art keywords
patient
doctor
noninductive
module
face
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.)
Granted
Application number
CN202311032833.1A
Other languages
English (en)
Other versions
CN117012352B (zh
Inventor
贺旭彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Tengfang Medical Information Technology Co ltd
Original Assignee
Guangzhou Tengfang Medical Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Tengfang Medical Information Technology Co ltd filed Critical Guangzhou Tengfang Medical Information Technology Co ltd
Priority to CN202311032833.1A priority Critical patent/CN117012352B/zh
Publication of CN117012352A publication Critical patent/CN117012352A/zh
Application granted granted Critical
Publication of CN117012352B publication Critical patent/CN117012352B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • 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
    • 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
    • G16H40/60—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 operation of medical equipment or devices
    • G16H40/67—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 operation of medical equipment or devices for remote operation
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Computer Security & Cryptography (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Pathology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及一种基于人脸识别的医患无感同行方法，属于医患无感同行技术领域。包括构建医患无感同行系统，医患无感同行系统包括预约模块、导航模块、识别模块和共享模块；预约模块用于患者进行预约挂号和身份信息认证；识别模块用于通过摄像头采集的人脸信息进行患者身份识别；共享模块用于实时共享医疗数据，提供医生与患者互动的平台。医患无感同行方法包括以下步骤：S1、就诊预约；S2、自主签到；S3、排队就诊；S4、项目检查；S5、复诊决策；S6、获取药品；S7、沟通评估。本发明通过无感就医与医患同行的紧密结合，提高了患者就医的效率，同时通过实现了患者与医生的信息共享和共同决策，提升了患者就医的满意度。

Description

一种基于人脸识别的医患无感同行方法
技术领域
本发明属于医患无感同行技术领域，具体涉及一种基于人脸识别的医患无感同行方法。
背景技术
无感就医是指通过科技手段和智能化服务，提高患者的就医体验，减少就医过程中的等待和繁琐手续，提高医疗服务的效率和便捷性。如今智能AI人脸识别系统已逐渐应用到人们生活中的各个方面，不仅仅是考勤、门禁，与人们息息相关的医疗系统也逐步在向智能化进发。
目前人脸识别技术在中国医疗行业的应用刚刚起步，但由于其便利、快捷、智能的特点，已逐步出现成效。但是人脸识别技术的应用还仅仅局限于安全系统和支付系统，对于医院乃至医疗体系的现代化应用仍不完善。如在无感就医的过程中通过人脸识别实现无感支付，而在医患同行的过程中并未通过人脸识别等技术手段实现真正意义上的“同行”。
因此，亟需提供同一种基于人脸识别的医患无感同行方法，使得患者在就医的过程中实现与医生的信息共享和决策协商，从而提高患者就医的效率与满意度。
发明内容
为解决现有技术中存在的上述问题，本发明提供了一种基于人脸识别的医患无感同行方法，实现了无感就医与医患同行的紧密结合，提高了患者就医的效率，同时通过实现了患者与医生的信息共享和共同决策，提升了患者就医的满意度。
本发明的目的可以通过以下技术方案实现：
一种基于人脸识别的医患无感同行方法，包括构建医患无感同行系统，所述医患无感同行系统包括预约模块、导航模块、识别模块和共享模块；
所述医患无感同行方法，包括以下步骤：
S1、就诊预约：患者通过预约模块进行挂号预约，挂号过程中患者需通过多角度人脸采集完成身份信息认证；
S2、自主签到：患者到达医院后，医患无感同行系统通过识别模块获取患者身份信息后进行医患匹配，并且自动完成签到；
S3、排队就诊：完成身份识别后，导航模块会根据患者所在的定位区域为患者提供实景导航，引导患者前往就诊科室；
患者到达就诊科室的监控区域后，通过该区域摄像头的抓拍，进行二次签到，并将区域签到的患者自动加入就诊队列；
问诊时医生根据患者的身体状况进行标记；
S4、项目检查：医生问诊结束后，患者根据医生开具的检查项目依据导航模块的引导去相应的预检区域，医患无感同行系统将实时向医生反馈患者经过的项目检查区域，同时对于标记的患者，以实时视频的方式向医生反馈患者的状态；
医生通过医患无感同行系统根据被标记患者的状态向患者所在区域的医护人员发出紧急告警；
S5、复诊决策：医生根据患者项目检查的进程以及检查结果，通过共享模块向患者发送复诊计划，患者接收到复诊计划后依据自身的情况与意愿对复诊计划进行确认；
S6、获取药品：完成复诊后，共享模块向患者发出取药请求，患者同意后医患无感同行系统完成自动扣费并向药房发送药品信息，同时导航模块指引患者到药房；
S7、沟通评估：患者就诊结束后可通过共享模块对此次医疗服务进行评估，同时在用药期间还可向医生发出咨询请求。
进一步地，所述步骤S1中，预约模块通过多角度人脸采集患者不同角度的人脸图像，包括人脸的正视图、侧视图和俯视图。
进一步地，所述步骤S2中，识别模块在线身份识别包括以下步骤：
S21、将采集的人脸图像结合身份证信息进行匹配建立信息数据库，通过信息数据库获得患者的人脸正视图特征向量、人脸侧视图特征向量和人脸俯视图特征向量；
S22、对摄像头视频进行抓拍，获取不同摄像头的不同角度的照片图像，通过图像获取位置信息，并根据人脸检测模块获得不同角度的所有人脸图像；
S23、在每幅图像中，通过基于FaceNet网络的人脸特征模块计算出每个角度的人脸特征向量；
S24、将每个角度下的位置信息、人脸特征向量输入到人脸特征融合匹配模块，先将不同侧视图的人脸位置信息、人脸特征向量进行融合，然后将正视图人脸特征向量、俯视图人脸特征向量和融合后的侧视图特征向量分别与数据中的正视图人脸特征向量、俯视图人脸特征向量和侧视图人脸特征向量计算相似度，最终根据得分实现患者身份识别。
进一步地，所述步骤S3还包括：对就诊科室监控区域的摄像头获取的视频进行定时截取，然后将截取的视频通过人脸识别完成视频中患者与就诊队列序号的匹配，并将匹配视频反馈至医生进行患者状态监测；医生根据监测的患者状态调整患者的队列序号。
进一步地，所述步骤S5还包括：患者同意医生发出的复诊计划后医患无感同行系统将根据患者项目检查的进程将患者加入就诊队列；若患者当天无法完成项目检查时，患者可与医生商定复诊日期。
进一步地，所述预约模块，用于患者进行预约挂号和身份信息认证；所述导航模块，用于创建实景路径导航，并结合识别模块实现患者位置的精准定位。
进一步地，所述识别模块，用于通过摄像头采集的人脸信息进行患者身份识别；所述共享模块，用于实时共享医疗数据，同时提供医生与患者互动的平台。
进一步地，所述共享模块共享的医疗数据包括患者的病历、检查报告、化验结果和影像资料以及医生的专业背景、工作经验和专业特长。
本发明的有益效果为：
(1)本发明通过医患无感同行系统，实现了无感就医与医患同行的紧密结合，同时通过对患者就诊前的状态检测以及就诊后的状态反馈，实现了医生与患者的无感同行，降低了患者的意外风险，并且在项目检查的过程中，通过共享模块实现了患者与医生的信息共享和共同决策，提升了患者就医的满意度。
(2)本发明通过医院已有的摄像头完成患者的区域定位，实现了自主签到、实景导航和状态监测等功能，提高了患者就医的效率，有效地利用了医疗资源，同时通过多角度的人脸识别以及位置信息，降低了人脸的漏检率以及识别的准确度，为医患无感同行奠定了基础。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明医患无感同行的步骤示意图。
具体实施方式
为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如下。
请参阅图1，一种基于人脸识别的医患无感同行方法，包括构建医患无感同行系统，所述医患无感同行系统包括预约模块、导航模块、识别模块和共享模块。
所述预约模块，用于患者进行预约挂号和身份信息认证。
需说明的是，身份信息认证需要通过多角度人脸采集与患者身份证信息相匹配完成。
所述导航模块，用于创建实景路径导航，并结合识别模块实现患者位置的精准定位。
需说明的是，患者在医院的位置定位是导航模块与识别模块相结合完成的，当患者通过识别模块身份识别后，首先通过摄像头已知的位置信息判定患者的大概位置，即所在科室区域，再经过计算可得患者的具体坐标信息，然后将位置坐标信息经过坐标变换后导入导航模块，从而实现患者的定位。
具体的，导航模块创建路径导航包括采集医院内部的点云数据、点云数据的处理以及三维实景图的生成，其中点云数据的采集通过移动扫描系统完成，点云数据的处理包括自动拼接、去噪及贴图、匀光匀色等，最后利用IndoorViewer生成高度详细、交互式的室内三维模型。
所述识别模块，用于通过摄像头采集的人脸信息进行患者身份识别。
所述共享模块，用于实时共享医疗数据，同时提供医生与患者互动的平台。
具体的，医疗数据包括患者的病历、检查报告、化验结果和影像资料以及医生的专业背景、工作经验和专业特长等信息。
所述医患无感同行方法，包括以下步骤：
S1、就诊预约：患者通过预约模块进行挂号预约，挂号过程中患者需通过多角度人脸采集完成身份信息认证。
可理解的是，在患者进行就诊预约的过程中，预约模块通过多角度人脸采集患者不同角度的人脸图像，包括人脸的正视图、侧视图和俯视图。
S2、自主签到：患者到达医院后，医患无感同行系统通过识别模块获取患者身份信息后进行医患匹配，并且自动完成签到。
可理解的是，在患者到达医院后，通过识别模块的摄像头抓拍，获取患者的多角度人脸图像，再经过识别模块在线身份识别后进行医患匹配，同时医患无感同行系统完成自主签到。其中医患匹配是指根据患者的身份信息匹配患者预约的医生，从而实现后期的定制化就诊。
需说明的是，在线身份识别包括以下步骤：
S21、将采集的人脸图像结合身份证信息进行匹配建立信息数据库，通过信息数据库获得患者的人脸正视图特征向量、人脸侧视图特征向量和人脸俯视图特征向量。
S22、对摄像头视频进行抓拍，获取不同摄像头的不同角度的照片图像，通过图像获取位置信息，并根据人脸检测模块获得不同角度的所有人脸图像。其中，位置信息的获取包括以下步骤：
对图像进行灰度处理，图像呈现256个亮度等级，通过选择合适的亮度阈值获取图像的特征。患者人像的亮度大于或等于阈值的像素用255表示，其余的像素点用灰度值0表示，通过二值化区分人物与背景区域。
定义图像的(p+q)阶矩阵为：
求出人物的中心位置：
需说明的是，摄像头的位置相对于背景区域是固定的，人物的空间位置由人物在背景区域的具体位置决定。这里假设人物是均匀的，因此人物的质点可以用来表示其坐标位置，将计算出的中心位置再经过坐标变换可得到人物的实际位置。
人脸检测模块基于Haar算子提取图像特征，然后将特征输入级联分类器进行分类，从而实现图片中人脸的检测。Haar级联分类器具有速度快、精度高等优点。
S23、在每幅图像中，通过基于FaceNet网络的人脸特征模块计算出每个角度的人脸特征向量。
人脸特征模块通过预先训练完的FaceNet网络模型获取这些人脸特征向量，取该网络的最后一层作为人脸特征向量，该向量共有128维。该网络在训练时使用TripletLoss损失函数用来衡量训练过程中样本之间的距离误差，并且通过梯度下降法更新模型参数。
S24、将每个角度下的位置信息、人脸特征向量输入到人脸特征融合匹配模块，先将不同侧视图的人脸位置信息、人脸特征向量进行融合，然后将正视图人脸特征向量、俯视图人脸特征向量和融合后的侧视图特征向量分别与数据中的正视图人脸特征向量、俯视图人脸特征向量和侧视图人脸特征向量计算相似度，最终根据得分实现患者身份识别。
S3、排队就诊：完成身份识别后，导航模块会根据患者所在的定位区域为患者提供实景导航，引导患者前往就诊科室。
患者到达就诊科室的监控区域后，通过该区域摄像头的抓拍，进行二次签到，并将区域签到的患者自动加入就诊队列。
对就诊科室监控区域的摄像头获取的视频进行定时截取，然后将截取的视频通过人脸识别完成视频中患者与就诊队列序号的匹配，并将匹配视频反馈至医生进行患者状态监测；医生根据监测的患者状态调整患者的队列序号。
可理解的是，在就诊之前医患无感同行系统完成科室监控区域患者的签到与队列序号排序，同时通过定时截视频对患者状态进行监测，防止发生意外情况，当有特殊需求的患者时，医生可调整该患者的队列序号。上述方式提高了就诊排队的效率，同时通过对患者状态的监测，实现了真正意义上的医患无感同行。
进一步地，问诊时医生根据患者的身体状况进行标记。
S4、项目检查：医生问诊结束后，患者根据医生开具的检查项目依据导航模块的引导去相应的预检区域，在此过程中，医患无感同行系统将实时向医生反馈患者经过的项目检查区域，同时对于标记的患者，以实时视频的方式向医生反馈患者的状态。
医生通过医患无感同行系统根据被标记患者的状态向患者所在区域的医护人员发出紧急告警。因此在紧急情况下，患者可以得到及时的救助，避免发生不可挽回的状况。
S5、复诊决策：医生根据患者项目检查的进程以及检查结果，通过共享模块向患者发送复诊计划，患者接收到复诊计划后依据自身的情况与意愿对复诊计划进行确认。
可理解的是，医生通过医患无感同行系统的反馈，根据患者项目检查的进程以及时间点，医生决策该患者在当天完成项目检查后是否进行复诊，患者在接收到医生发出的复诊计划后向医生给出自己的意愿，在患者同意后医患无感同行系统将根据患者项目检查的进程将患者加入就诊队列。若患者当天无法完成项目检查时，患者可与医生商定复诊日期。
S6、获取药品：完成复诊后，共享模块向患者发出取药请求，患者同意后医患无感同行系统完成自动扣费并向药房发送药品信息，同时导航模块指引患者到相应的药房。
S7、沟通评估：患者就诊结束后可通过共享模块对此次医疗服务进行评估，同时在用药期间还可向医生发出咨询请求。
可理解的是，患者通过与医生的线上沟通，可以快速解决患者的疑虑和困惑，提高了就诊效率。
本发明通过医患无感同行系统，实现了无感就医与医患同行的紧密结合，同时通过对患者就诊前的状态检测以及就诊后的状态反馈，实现了医生与患者的无感同行，降低了患者的意外风险，并且在项目检查的过程中，通过共享模块实现了患者与医生的信息共享和共同决策，提升了患者就医的满意度。
本发明通过医院已有的摄像头完成患者的区域定位，实现了自主签到、实景导航和状态监测等功能，提高了患者就医的效率，有效地利用了医疗资源，同时通过多角度的人脸识别以及位置信息，降低了人脸的漏检率以及识别的准确度，为医患无感同行奠定了基础。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (8)

1.一种基于人脸识别的医患无感同行方法，其特征在于：包括构建医患无感同行系统，所述医患无感同行系统包括预约模块、导航模块、识别模块和共享模块；
所述医患无感同行方法，包括以下步骤：
S1、就诊预约：患者通过预约模块进行挂号预约，挂号过程中患者需通过多角度人脸采集完成身份信息认证；
S2、自主签到：患者到达医院后，医患无感同行系统通过识别模块获取患者身份信息后进行医患匹配，并且自动完成签到；
S3、排队就诊：完成身份识别后，导航模块会根据患者所在的定位区域为患者提供实景导航，引导患者前往就诊科室；
患者到达就诊科室的监控区域后，通过摄像头的抓拍进行二次签到，并将区域签到的患者自动加入就诊队列；
问诊时医生根据患者的身体状况进行标记；
S4、项目检查：医生问诊结束后，患者根据医生开具的检查项目依据导航模块的引导去相应的预检区域，医患无感同行系统将实时向医生反馈患者经过的项目检查区域，同时对于标记的患者，以实时视频的方式向医生反馈患者的状态；
医生通过医患无感同行系统根据被标记患者的状态向患者所在区域的医护人员发出紧急告警；
S5、复诊决策：医生根据患者项目检查的进程以及检查结果，通过共享模块向患者发送复诊计划，患者接收到复诊计划后依据自身的情况与意愿对复诊计划进行确认；
S6、获取药品：完成复诊后，共享模块向患者发出取药请求，患者同意后医患无感同行系统完成自动扣费并向药房发送药品信息，同时导航模块指引患者到药房；
S7、沟通评估：患者就诊结束后可通过共享模块对此次医疗服务进行评估，同时在用药期间还可向医生发出咨询请求。
2.根据权利要求1所述的一种基于人脸识别的医患无感同行方法，其特征在于：所述步骤S1中，预约模块通过多角度人脸采集患者不同角度的人脸图像，包括人脸的正视图、侧视图和俯视图。
3.根据权利要求1所述的一种基于人脸识别的医患无感同行方法，其特征在于：所述步骤S2中，识别模块在线身份识别包括以下步骤：
S21、将采集的人脸图像结合身份证信息进行匹配建立信息数据库，通过信息数据库获得患者的人脸正视图特征向量、人脸侧视图特征向量和人脸俯视图特征向量；
S22、对摄像头视频进行抓拍，获取不同摄像头的不同角度的照片图像，通过图像获取位置信息，并根据人脸检测模块获得不同角度的所有人脸图像；
S23、在每幅图像中，通过基于FaceNet网络的人脸特征模块计算出每个角度的人脸特征向量；
S24、将每个角度下的位置信息、人脸特征向量输入到人脸特征融合匹配模块，先将不同侧视图的人脸位置信息、人脸特征向量进行融合，然后将正视图人脸特征向量、俯视图人脸特征向量和融合后的侧视图特征向量分别与数据中的正视图人脸特征向量、俯视图人脸特征向量和侧视图人脸特征向量计算相似度，最终根据得分实现患者身份识别。
4.根据权利要求1所述的一种基于人脸识别的医患无感同行方法，其特征在于：所述步骤S3还包括：对就诊科室监控区域的摄像头获取的视频进行定时截取，然后将截取的视频通过人脸识别完成视频中患者与就诊队列序号的匹配，并将匹配视频反馈至医生进行患者状态监测；医生根据监测的患者状态调整患者的队列序号。
5.根据权利要求1所述的一种基于人脸识别的医患无感同行方法，其特征在于：所述步骤S5还包括：患者同意医生发出的复诊计划后医患无感同行系统将根据患者项目检查的进程将患者加入就诊队列；若患者当天无法完成项目检查时，患者可与医生商定复诊日期。
6.根据权利要求1所述的一种基于人脸识别的医患无感同行方法，其特征在于：所述预约模块，用于患者进行预约挂号和身份信息认证；所述导航模块，用于创建实景路径导航，并结合识别模块实现患者位置的精准定位。
7.根据权利要求6所述的一种基于人脸识别的医患无感同行方法，其特征在于：所述识别模块，用于通过摄像头采集的人脸信息进行患者身份识别；所述共享模块，用于实时共享医疗数据，同时提供医生与患者互动的平台。
8.根据权利要求7所述的一种基于人脸识别的医患无感同行方法，其特征在于：所述共享模块共享的医疗数据包括患者的病历、检查报告、化验结果和影像资料以及医生的专业背景、工作经验和专业特长。
CN202311032833.1A 2023-08-16 2023-08-16 一种基于人脸识别的医患无感同行方法 Active CN117012352B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311032833.1A CN117012352B (zh) 2023-08-16 2023-08-16 一种基于人脸识别的医患无感同行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311032833.1A CN117012352B (zh) 2023-08-16 2023-08-16 一种基于人脸识别的医患无感同行方法

Publications (2)

Publication Number Publication Date
CN117012352A true CN117012352A (zh) 2023-11-07
CN117012352B CN117012352B (zh) 2024-08-27

Family

ID=88567147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311032833.1A Active CN117012352B (zh) 2023-08-16 2023-08-16 一种基于人脸识别的医患无感同行方法

Country Status (1)

Country Link
CN (1) CN117012352B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118173217A (zh) * 2024-05-16 2024-06-11 四川省肿瘤医院 放疗患者的就诊引导方法和就诊引导系统
CN118280543A (zh) * 2024-06-03 2024-07-02 江苏汇鑫融智软件科技有限公司 医疗数据推送方法及平台

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016137169A1 (ko) * 2015-02-27 2016-09-01 권병수 안면인식을 이용한 병원 관리시스템 및 관리 방법
CN107358057A (zh) * 2017-08-25 2017-11-17 遵义博文软件开发有限公司 辅助医疗服务系统
CN108597566A (zh) * 2018-04-17 2018-09-28 广东南海鹰视通达科技有限公司 基于人脸识别的移动电子病历系统及实现方法
CN109300538A (zh) * 2018-09-18 2019-02-01 苏州格目软件技术有限公司 一种用于医院门诊的医患信息共享系统及其方法
CN110164536A (zh) * 2019-05-31 2019-08-23 侯尧珍 一种全流程智能医疗分诊系统
CN110322953A (zh) * 2019-07-12 2019-10-11 南京美桥信息科技有限公司 一种智能陪诊系统及其陪诊方法
CN112233739A (zh) * 2020-09-27 2021-01-15 合肥新玖辰智能科技有限公司 一种患者在线就诊平台系统
CN115293770A (zh) * 2022-07-19 2022-11-04 南京熊猫电子股份有限公司 一种基于离散信源融合分析技术的无感识别系统与方法
WO2023109250A1 (zh) * 2021-12-15 2023-06-22 华中科技大学同济医学院附属协和医院 一种基于互联网的医院分诊数据处理方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016137169A1 (ko) * 2015-02-27 2016-09-01 권병수 안면인식을 이용한 병원 관리시스템 및 관리 방법
CN107358057A (zh) * 2017-08-25 2017-11-17 遵义博文软件开发有限公司 辅助医疗服务系统
CN108597566A (zh) * 2018-04-17 2018-09-28 广东南海鹰视通达科技有限公司 基于人脸识别的移动电子病历系统及实现方法
CN109300538A (zh) * 2018-09-18 2019-02-01 苏州格目软件技术有限公司 一种用于医院门诊的医患信息共享系统及其方法
CN110164536A (zh) * 2019-05-31 2019-08-23 侯尧珍 一种全流程智能医疗分诊系统
CN110322953A (zh) * 2019-07-12 2019-10-11 南京美桥信息科技有限公司 一种智能陪诊系统及其陪诊方法
CN112233739A (zh) * 2020-09-27 2021-01-15 合肥新玖辰智能科技有限公司 一种患者在线就诊平台系统
WO2023109250A1 (zh) * 2021-12-15 2023-06-22 华中科技大学同济医学院附属协和医院 一种基于互联网的医院分诊数据处理方法及系统
CN115293770A (zh) * 2022-07-19 2022-11-04 南京熊猫电子股份有限公司 一种基于离散信源融合分析技术的无感识别系统与方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118173217A (zh) * 2024-05-16 2024-06-11 四川省肿瘤医院 放疗患者的就诊引导方法和就诊引导系统
CN118280543A (zh) * 2024-06-03 2024-07-02 江苏汇鑫融智软件科技有限公司 医疗数据推送方法及平台

Also Published As

Publication number Publication date
CN117012352B (zh) 2024-08-27

Similar Documents

Publication Publication Date Title
CN117012352B (zh) 一种基于人脸识别的医患无感同行方法
US11321983B2 (en) System and method for identifying and verifying one or more individuals using facial recognition
US9875392B2 (en) System and method for face capture and matching
Prokoski History, current status, and future of infrared identification
CN112749413B (zh) 一种基于智慧园区管理的权限验证装置及方法
JP2000306095A (ja) 画像照合・検索システム
CN113191725A (zh) 一种医院人员出入管控方法、系统、存储介质、设备、终端
JP7196932B2 (ja) 情報処理装置、情報処理方法、およびプログラム
CN114894337B (zh) 一种用于室外人脸识别测温方法及装置
CN110570942A (zh) 一种智能就医方法及相应的装置
Srinivasan et al. IoT-Enabled Facial Recognition for Smart Hospitality for Contactless Guest Services and Identity Verification
JP5796523B2 (ja) 生体情報取得装置、生体情報取得方法、生体情報取得制御プログラム
Nguyen et al. Human face recognition and temperature measurement based on deep learning for COVID-19 quarantine checkpoint
WO2022113148A1 (ja) サーバ装置、システム、サーバ装置の制御方法及び記憶媒体
CN113011348B (zh) 一种基于3d信息识别的智能业务处理设备
WO2023162041A1 (ja) サーバ装置、システム、サーバ装置の制御方法及び記憶媒体
WO2022034668A1 (ja) 情報処理装置、情報処理方法及び記録媒体
JP2005107588A (ja) 人物照合システムおよび入退室管理システム
WO2022148554A1 (en) Disorderly biometric boarding
Singh et al. Attendance Monitoring System Using Facial and Geo-Location Verification
JP2023074752A (ja) 情報処理装置、情報処理方法及びプログラム
CN113903453A (zh) 一种体检智能化导诊系统
KR20230080384A (ko) 장정맥 체크인 시스템 및 방법
CN116468700A (zh) 皮肤图像的识别方法、装置、计算机设备及可读存储介质

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
GR01 Patent grant
GR01 Patent grant