买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广州腾方医信科技有限公司

摘要：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。

主权项：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；所述预约模块，用于患者进行预约挂号和身份信息认证，其中，身份信息认证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；其中，患者在医院的位置定位通过导航模块与识别模块相结合完成，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所在科室区域，再经过计算得到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；具体为：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、去噪及贴图和匀光匀色，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；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；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；其中，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；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；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： 其中，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；人物的质点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；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；其中，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，所述人脸特征向量共有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；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；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。

全文数据：

权利要求：

百度查询： 广州腾方医信科技有限公司 一种基于人脸识别的医患无感同行方法