十堰市太和医院：人脸识别非接触式无纸化系统

为解决手术室相关文书无纸化问题，破解身份确认、多方会签和术中签字等技术难题，提升工作效率，减少纸张，预防感染尤其是助力疫情防控，十堰市太和医院人脸识别项目组针对性开发建设了基于人脸识别的非接触式手术文书无纸化系统。

医务人员通过移动客户端（APP）进入手术文书系统，填写移动端医疗文书并点击签名处激活人脸识别功能，系统调用人脸识别算法与人脸库的生物学特征信息匹配，匹配成功后，与绑定或独立的“医务人员签名库”进行关联，读取并回传APP签名，最终实现非接触式签名并生成PDF格式文件上传至海泰电子病历系统以实现无纸化；系统支持签名业务、人脸识别、特征比对、移动端（含IOS版和安卓版）和签名库维护、自主学习、自动更新升级等功能。

试点服务对象为医疗机构手术间医护人员，试点成功后将分批次推广至全院不同领域以及同类医疗机构相同领域；后期随着技术的成熟以及经验的累积，可逐渐覆盖至行政办公、流程审批、文档管理等领域。

《人脸识别非接触式无纸化系统》最大的优势在于非接触性、非强制性以及自然性。

1）提升了自主开发能力。应用在包括戴口罩、不戴口罩、戴帽、不戴帽等多种复合识别人脸的多种情景中，人脸识别算法支持自动更新人脸库，无需手动维护；自主开发包括IOS和安卓两个版本、具备医疗文书填写及电子签名等功能移动端APP应用子系统。

2）自主构建区域人脸库。本院医务人员人脸生物学信息特征库，丰富和拓展了人力资源库管理途径和人员信息核查。

3）后期功能拓展和运维便利。源代码完全由自己掌握，便于后期功能或院区扩展以及运维。

4）人脸识别用于身份鉴定的过程中不需要接触目标，有效减少了疫情期间和“后疫情时代”手术室医护人员感染的风险。

人脸识别非接触无纸化系统成功实施，首先要构建医院手术室人脸识别非接触无纸化系统人脸面像信息库；其次要获取人体面像。通过摄像机捕捉医院手术室需要确认人员的面部图像，并将其面像文件生成面纹编码；最后，比较档案中的库存面纹编码和后来捕捉到的面纹编码。利用面纹编码的方式，使其能够精确的辨认出具体个人。因此，涉及以下关键技术：

1）人脸检测与识别技术

人脸检测是在复杂的背景和动态化的场景下判断面像，人对面像中的人脸特征进行提取并分析出人脸在图像中的具体位置以及人脸框大小等信息；人脸识别技术是根据单个人体的脸部特征进行计算及视频摄像，后对录入的人脸图像经过计算机运算，从而确定单个面部器官的大小、特征等位置信息并保存在数据库内；在应用过程中，通过将已有数据库中的人脸特征信息和实际采集的信息进行比较，以此来实现人脸身份的识别。

2）人脸跟踪与对比技术 

人脸跟踪即跟踪被检测到的人脸信息，基于模型与运动相结合的方法，在检测到人脸后，将数据库内的图像依次对比，以此得到最佳匹配对象；而人脸对比技术的关键在于选择合适的人脸表征方式、匹配策略。医院中的手术室人员确认系统中的人脸识别主要可以采用全局方法或是基于特征的方法或来进行匹配。

使用欧氏距离算法根据识别出的人脸特征对人脸库中已有的人脸特征进行追踪定位，匹配出人脸库中相似度最高的人脸。然后根据匹配出的人脸获取对应的人物身份信息。

该项目提出了一种基于fast rnn进行人脸目标位置检测和使用卷积神经网络（Convolutional Neural Networks,CNN）和残差网络（Residual Network,ResNet）进行人脸检测识别技术，以及使用欧氏距离算法根据识别出的人脸特征对人脸库中已有的人脸特征进行追踪定位与匹配技术。多次实验测试证明，本方法的平均人脸识别准确率较高（≥98.5%）,平均识别时间较短（≤71ms），能满足日常工作需要，具有一定的实用价值与现实意义。

应用情景包括戴口罩、不戴口罩、戴帽、不戴帽等多种复合情况，自动更新人脸库，自主开发包括IOS和安卓两个版本、具备医疗文书填写及电子签名等功能移动端APP应用子系统；同时自主构建了区域人脸库，建立本院医务人员人脸生物学信息特征库，丰富和拓展了人力资源库管理途径和人员信息核查；身份鉴定的过程中不需要接触目标，有效减少了疫情期间和“后疫情时代”手术室医护人员感染的风险。

据了解，医生在一台手术中平均需要进行至少6次签字，大型手术签字次数高达15次。而多次签字过程带来的问题可以利用《人脸识别非接触式无纸化系统》有效避免。主要体现为以下几点。

1）有效降低了感染风险。在手术中消毒不彻底，会导致机体发生细菌感染，甚至败血症的可能，而手术过程中，以人脸识别代替持笔签字，避免触摸纸质清单，可减少产生接触细菌的可能。

2）使手术操作更便捷。手术过程中，每一次签字操作，都涉及到签字人员核对、纸质文档内容核对、持笔签字、签后消毒的过程，一定程度上，消耗了手术人员的精力。

3）降低成本，节约纸张。降低了纸张使用和保存成本，同时方便日后查阅。

由于人脸识别技术涉及到图像处理、模式识别、计算机视觉、心理学以及生物学等相关学科领域，并同基于生物特征的身份鉴别方法以及计算机人机感知交互的研究领域之间相互交融。因此，在实际应用人脸识别的过程中，仍旧还存在一定难度或挑战，主要来自四个方面。

一是信息安全：如何防止信息过度应用甚至是泄露；二是技术的局限性：如该人脸识别算法算法仍存在对模糊人脸图像和大面积物理遮挡的人脸图像识别率不高的问题；三是检测周围环境影响：如光照、姿态、遮挡等 ；四是人脸外观“生物学特征”的自然变化影响：如表情、姿势等。针对这些问题,未来将通过进一步优化人脸检测网络和增加人脸清晰度判别等方法进行改进。