基于人脸识别技术的医院手术室人员确认系统的研究与实现

发布时间：2022-01-22 21:25

　　近年来,我国医疗业发展迅速,随着医院大规模建设的完成,医院手术室数量的增长,手术台次也急剧增多。这种数量上的陡然变动,导致医务人员到达手术室时,由于手术室位置的不确定和手术信息的不确定性,可能造成手术事故以及不必要的医患矛盾。为防止因医务人员混杂而产生手术室差错,解决手术信息在传送过程中缺失且不完整的现状,针对医院手术室设计了一套人员确认系统。本文针对手术室场景的特殊性,分析并运用了人脸识别技术,开发人员管理系统,达到智能化管理手术室医务人员进入手术室的目的。主要工作如下:1.分析和实现人脸区域检测在视频帧采集到多个面孔图像时,需要框选出待识别的人脸。针对医务人员佩戴口罩的特殊问题,实现并比较了能够解决遮挡问题的基于色彩分类人脸检测和基于MTCNN的人脸检测,采用基于卷积神经网络的人脸检测方法进行人脸的框选。2.分析和实现人脸识别在取得人脸检测框选出的人脸图像后,根据提取腕带安全码所取得的该人脸数据,进行对人脸的识别、比对验证。由于医务人员口罩帽子遮挡影响,选择识别率较高的FACENET算法。3.设计人员管理系统对于人脸检测和人脸识别,医务人员确认手术患者信息等相关功能进行了详细设计。... 

【文章来源】：南京师范大学江苏省 211工程院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图１．１生物特征评估对比??

卷积神经网络由输入和输入层，以及多个隐藏层组成。隐藏层通常由卷积层，??ＲｅＬＵ层（即激励函数），池化层，全连接层和归一化层组成。卷积神经网络结??构如下图２．１所示。??［＾??；?！??卷积化＋线性整流?池化?卷积化＋线性整流?池化?全连Ｉ接层??输出??图２．１卷积神经网络结构图??（１）局部连接和权值共享??当处理图像这种高纬度的输入时，将神经元连接到前一层中所有的神经元是??不切实际的。取而代之的，仅仅将每个神经元连接到输入数值中的部分区域，这??种连接空间范围的参数，称为神经元的感受野（相当于分类划分）。沿着深度轴??的连通数值始终等于输入数值的深度。然而空间的宽度和高度与其深度仍具有不??对称性：这种连接在空间中是局部存在的（按宽度和高度），但是输入数值的深??度值始终不变。在感受野中，像素越接近所临近的场的中心，对于输出特征的贡??献就越大，这意味着一个特征不仅可以看到输入图像的一个特定区域（即它的感??受野），而且可以指数级地聚焦到该区域的中间。如下图２．２，展示了一个局部感??受野的例子。在一个５＊５的输入映射上

（２）卷积层??卷积通过使用每个小方块输入的数据来学习图像的特征并且保持像素点之??间的关联关系。需要两个输入，如图像的矩阵形式和过滤器与核。如下图２．３，??一个尺寸是（ｈ＊ｗ＊ｄ）的矩阵图，设置一个尺寸是（ｆｈ＊ｆＷ＊ｄ）的分类器，输出一??个尺寸为（ｈ－ｆｈ＋１）?＊?（ｗ－ｆｗ＋１）?＊１的矩阵。??丨，，—ｆ二二?Ｉ??ｈ?＊?ｆｈ?＝ｈ－ｆｈ＋ｌ??ｗ?ｄ?ｆｖ?＝ｗ－ｆ．＋ｌ??图２．３图像矩阵乘以过滤器矩阵（或核矩阵）??８??

【参考文献】：
期刊论文
[1]基于低秩约束的极限学习机高效人脸识别算法[J]. 卢涛,管英杰,潘兰兰,张彦铎.  计算机科学. 2018(03)
[2]数字化手术室更衣区智能管理系统设计[J]. 银琳,杨洋,李海涛,高世龙,张永航.  中国数字医学. 2014(12)
[3]基于Fisher准则字典学习的压缩感知人脸识别算法[J]. 曾凌子,尹东,张荣,甄海洋.  模式识别与人工智能. 2014(04)
[4]数字化手术室安全门控管理系统的开发及应用[J]. 赵体玉,李秀云.  中华护理杂志. 2012(11)
[5]基于模糊主成分分析的步态识别[J]. 徐素莉,张前进,刘伟.  计算机工程. 2011(03)

硕士论文
[1]基于并行多池化CNN的生物医学事件抽取[D]. 秦美越.大连理工大学 2017
[2]涉恐图像中敏感标识的检测与识别[D]. 罗骁原.北京交通大学 2016
[3]轻量级智能终端人脸识别系统研究与实现[D]. 周海东.西安电子科技大学 2014



本文编号：3602921