住院部各病区闸机的控制方法和控制系统与流程

本技术涉及电子信息，具体而言，涉及一种住院部各病区闸机的控制方法和控制系统。

背景技术：

1、医院的住院部门需要进行出入管理。对于医护人员和医院的工作人员而言，他们的流动性小，具有统一的身份标识，用于住院部门的出入管理。但是，患者和患者的陪护人员流动性强，为此为了对住院部门进行出入管理，会给陪护人员下发陪护证，陪护人员通过陪护证出入医院。

2、目前，绝大多数医院采用纸质陪护证对陪护人员进行管理，护士每天都要对纸质陪护证进行登记、发放、收回。纸质陪护证容易丢失，反复触摸易造成污染，并且还存在易伪造、难管理、无法对陪护人员进行追溯等问题。

3、而部分医院，会采用电子陪护证，实现陪护证的无纸化和数字化管理。但是，在实践中，电子陪护证需要陪护人员通过手机等电子设备，然后从电子设备上调取出对应的电子陪护证。这种方式，在老龄化严重的陪护人群中适应难度很大，很多陪护人员难以熟练的从手机等电子设备中调出电子陪护证，所以导致了陪护人员在闸机附近逗留，进而导致闸机附近堵塞严重，影响医院人员正常出行。

技术实现思路

1、本技术的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本技术的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、作为本技术的第一个方面，为了解决老龄化的陪护人员在操作手机调取电子陪护证时，耗时时间长，而导致住院部出入口的闸机堵塞情况严重，影响医院人员正常出行的技术问题，本技术提供了一种住院部各病区闸机的控制方法，包括如下步骤：

3、步骤1：信息采集模块采集每个患者的陪护申请，陪护申请包括陪护人员的面部图像和陪护患者的身份标识；

4、步骤2：信息监视模块接收信息采集模块所收集的陪护申请，并对陪护申请进行审核，并给陪护申请赋予对应的权限，然后将陪护申请以及对应的权限信息发送至数据处理模块；

5、步骤3：数据处理模块储存陪护申请和对应的权限信息；

6、步骤4：信息处理模块根据闸机管理模块收集到的出入人员的面部图像，与数据处理模块中储存的面部图像进行匹配；如果出入人员的面部图像与数据处理模块中储存的面部图像匹配成功，且对应的陪护申请具有出入该闸机的权限则向闸机管理模块发送给予通过的指令，否则就向闸机管理模块发送不予通过的指令，闸机管理模块接收到给予通过的指令时开启闸机，闸机管理模块接收到不予通过的指令时则不开启闸机。

7、本技术所提供的技术方案中，通过信息采集模块能够采集每个患者的陪护申请，进而得到每个患者的陪护人员的面部图像，然后对陪护申请给予对应的权限之后，将其保存到数据处理模块中。当陪护人员出入闸机时，闸机管理模块会收集陪护人员的面部数据，然后经由信息处理模块的对比之后，来控制闸机是否开启。从而在陪护人员出入闸机的过程中，不需要陪护人员出具任何信息，所以在减少了陪护人员的操作难度，陪护人员可以很快的出入闸机，减少了闸机附近的拥堵程度，保证了医院人员的正常出行。

8、在医院的住院部，通常会划分出多个病区，不同的病区之间人员来往密切可能会出现比较严重的医院感染事故。而患者的陪护人员在住院部的行动一般不会受到约束，进而可能会在不同的病区之间移动，导致住院部内院感防护难度增加。针对这一问题，本技术提供了如下技术方案：

9、进一步的，步骤1包括如下步骤：

10、步骤11：采集端显示器采集患者的陪护人员的身份信息，身份信息包括姓名、身份证号、手机号以及陪护人员的面部图像；

11、步骤12：采集端显示器将陪护人员的身份信息、面部图像以及权限要求作为该患者的陪护申请，然后将陪护申请发送至信息监视模块，权限要求包括能够出入的病区，以及在对应病区的能够出入的时间。

12、本方案中，每个陪护申请在申请时就有明确的活动范围，所以通过权限管理能够让陪护人员只能够在预定的病区内移动，避免了陪护人员在多个病区内移动，而导致的院感风险增加的问题。

13、进一步的，步骤2包括如下步骤：

14、步骤21：审核端通信单元获取陪护申请，并发送至审核端显示器；

15、步骤22：对陪护申请进行审核，并对陪护申请的权限进行调整；

16、步骤23：将通过审核的陪护申请发送至数据处理模块。

17、进一步的，陪护申请附带有未审核、通过、未通过，以及过期四种标签中的一种标签。

18、进一步的，步骤4包括如下步骤：

19、步骤41：闸机管理模块收集出入人员的面部图像，然后将面部图像发送至信息处理模块；

20、步骤42：信息处理模块与数据处理模块中储存的各陪护申请所对应的面部图像进行匹配；

21、步骤43：如果匹配出通过的陪护申请，则向闸机管理模块发送闸机开启的信息，反之则发送出入人员权限不足的信息。

22、本技术所提供的方案中，通过提取闸机口出入人员的面部图像，然后将面部图像与数据处理模块中储存的面部图像进行匹配，所以可以直接匹配出出入人员是否为审核通过的陪护人员，进而控制闸机是否放行。

23、本方案中，非常依赖于人脸识别技术，来完成出入人员与陪护申请中信息的匹配，所以需要人脸识别具有很高的精度。但是在医院中，陪护人员以老年人为主，老年人的五官特征不明显，眼窝深陷，脸部皱纹很多，所以在人脸识别时，准确性不高。针对这一问题，本技术提供了如下方案：

24、进一步的，步骤3中：数据处理模块在储存陪护申请中的面部图像时，需要对面部图像进行特征提取，以得到第一匹配特征，第一匹配特征和原始的面部图像都储存在数据处理模块中；

25、步骤4中，信息处理模块在获得出入人员的面部图像之后，预先提取出出入人员的面部图像，得到第二匹配特征，将第二匹配特征与第一匹配特征进行匹配。

26、本技术所提供的方案中，并不是直接将收集到的面部图像进行匹配，而是在在保存陪护申请中面部图像时，先提取出第一匹配特征，然后再得到出入人员的面部图像时，提取出第二特征，将第一特征和第二特征进行匹配，所以相比较于直接用图像进行匹配的方式，能够进一步的增加图像匹配的准确度。

27、进一步的，步骤3中，提取第一匹配特征的方式如下：

28、步骤31：对面部图像依次进行灰度变化、灰度均衡、图像平滑和锐化、边缘检测以及特征提取，最终得到第一匹配特征。

29、如此，在本技术所提供的方案中，灰度变化将彩色图像转换成灰度图像，灰度图像只有亮度信息，通过不同的亮度值表达图像的信息，因此能够模糊掉不需要的色彩特征。

30、灰度均衡可以增加灰度值的动态范围，从而均匀化面部图像亮度，提高图像整体对比度。图像平滑和锐化能使人脸和周围环境更加清晰和易于识别。边缘检测可以尽可能的标识图像的实际边缘，从而提高人脸面部图像识别。特征提取：通过脸部五官形状提取人脸特征数据，同时和图像一起存入人脸数据库。

31、进一步的，第一匹配特征的提取方法包括如下步骤：

32、s1：将面部图像化中的每个像素格进行灰度处理，面部图像中具有m个像素格，像素格j表示第j个像素格，m和j均为正整数，k≤m；

33、gray j= 0.299rj+0.587gj+0.114bj；grayj表示像素格j的灰度值，rj、gj、bj分别表示像素格j在r、g、b三个通道上的数值；

34、s2:灰度均衡：通过变换函数对面部图像进行非线性拉伸，重新分配面部图像的灰度值；

35、s3：图像平滑和锐化：采用二维高斯滤波器对输出图像平滑滤波处理；

36、s4：提取面部图像的边缘区域的特征信息和面部图像的局部纹理特征信息，将边缘区域的特征信息和局部纹理特征信息融合得到第一匹配特征。

37、本方案中，将图片进行灰度处理、平滑，以及锐化之后，能够更加准确的提取到对应的图像特征。

38、进一步的，s2中灰度均衡的方式如下：

39、s21：对输入的每一个灰度值的像素数进行统计且设为ni，其中i = 0,1,2, … ,l − 1，其中l 为灰度值的总数，ni表示第i个灰度值的像素数；

40、s22：对输入的面部图像进行计算，每一个灰度值的概率密度为：，其中n 为图像的总像素数，表示第i个灰度值的概率密度；

41、s23:对面部图像均衡化累积分布函数进行计算,得到输出的灰度值：

42、;

43、其中，表示面部图像坐标(x,y)的均衡灰度值，表示面部图像坐标（x,y）的原灰度值，0≤k≤l-1。

44、s24：对计算得到的输出灰度值进行取整；

45、s25：通过面部图像的灰度值函数的映射关系，来对面部图像的灰度值进行均衡变换，得到均衡的输出图像f（x,y）。

46、进一步的，s3中对经过灰度均衡的面部图像进行高斯滤波；

47、二维高斯滤波器函数g(x, y)的表达式:

48、;

49、其中，选用的高斯卷积核，g（x，y）表示二维高斯滤波器函数，σ表示函数标准差，（x，y）表示卷积核的坐标。

50、用g（x，y）对面部图像f（x，y）卷积，最大程度上抑制噪声干扰，得到平滑后的图像函数i（x，y）：i（x，y）=g（x，y）*f（x，y）；*表示卷积运算符。

51、进一步的，s4包括如下步骤：

52、s41：提取经过高斯滤波的面部图像的边缘区域的特征信息，方式如下：

53、边缘检测以及特征提取：使用拉普拉斯算法获得滤波后图像m（x，y）的二阶方向导数，得到图像边缘特征信息m（x，y）:

54、；

55、其中，表示对经过高斯平滑滤波后的图像函数i（x，y）进行拉普拉斯算法进行二阶求导。为高斯-拉普拉斯算法（log），即对图像进行高斯平滑滤波后再使用拉普拉斯算法进行二阶方向导数。

56、；

57、其中，表示对函数进行二阶微分。

58、s42：提取面部图像局部纹理特征信息，方式如下：

59、s421：构造gabor 滤波器组，设置滤波器的核尺寸和方向，构造gabor 滤波器组，将滤波器核尺寸设置为3、5、7、9、11，方向设置为0°、45°、90°、135°，生成一个gabor 滤波器组，此时可以获得4×5=20 个不同的gabor 滤波器；

60、s422：提取gabor 特征，使用上述gabor滤波器组提取图像gabor特征共得到20 个gabor 特征图，该特征图为一级特征；

61、s423：提取lbp 特征，将每张gabor特征图分成5×5个子块，使用lbp特征提取算法计算每个子块的直方图，串联每个子块的直方图得到一张gabor特征图的人脸lbp特征。分别提取20 张gabor 特征图的lbp 特征，可以得到20张特征图，此时的特征图为二级特征；

62、s44：特征压缩与拼接，将二级特征图压缩成一维的特征向量，再将特征向量进行串联构成纹理特征。

63、本技术所提供的技术方案，针对老年人皮肤没有血色、五官特征不明显、满脸皱纹、眼窝深陷等特点，该方法首先通过图像预处理消除噪声，提高图像的清晰度，增加图像的可检测性。针对老年人皮肤没有血色，和周围环境区别不明显的问题， log算法对光照不敏感，能很好的区分出人脸的边缘信息，保证人脸边缘信息的完整提取。同时为了保证提取老年人的五官特征和脸部皱纹等纹理信息，先使用多尺度多方向的gabor 滤波器组来提取图像不同层次的纹理特征，过滤掉无关的干扰信息，同时通过不同尺度增加纹理信息的冗余性，然后通过lbp特征提取算法对每一个纹理特征图提取局部统计特征，提取人脸局部的特征信息。该方法融合了全局纹理特征和边缘特征，充分保留了面部图像的完整性，降低了模糊部位对于识别效果的干扰，同时完整提取人脸局部纹理特征，提高人脸特征的识别率。

64、进一步的，第二匹配特征的提取方式与第一匹配特征的提取方式相同。

65、作为本技术的第二个方面，本技术的一些实施方式中，提供了一种住院部各病区闸机的控制系统，包括：信息采集模块、信息监视模块、数据处理模块、闸机管理模块以及信息处理模块，信息采集模块与信息监视模块信号连接，数据处理模块与信息监视模块信号连接，闸机管理模块与信息处理模块连接，数据处理模块和闸机管理模块分别与信息处理模块信号连接；所述的住院部各病区闸机的控制系统按照前述的住院部各病区闸机的控制方法控制病区的各闸机。