[发明专利]一种消化内镜就诊机器人人脸识别系统在审
| 申请号: | 202210309463.0 | 申请日: | 2022-03-28 |
| 公开(公告)号: | CN114708632A | 公开(公告)日: | 2022-07-05 |
| 发明(设计)人: | 李花林;孙大勇;刘朝晖;李娜;晁悦 | 申请(专利权)人: | 深圳市第二人民医院(深圳市转化医学研究院) |
| 主分类号: | G06V40/16 | 分类号: | G06V40/16;G06V10/40;G06V10/74;G16H40/20 |
| 代理公司: | 北京汇众通达知识产权代理事务所(普通合伙) 11622 | 代理人: | 夏鹏 |
| 地址: | 518000 广东省深*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 消化 就诊 机器 人人 识别 系统 | ||
1.一种消化内镜就诊机器人人脸识别系统,其特征在于:包括多媒态就诊机器人、多媒态患者端和多媒态医护端;
所述多媒态就诊机器人包括就诊机器人本体、存储模块、第一识别模块、预约处理模块、人脸采集模块、图像特征提取模块、第二识别模块和结果输出模块;
其中,所述存储模块用于保存患者预先通过就诊预约生成的预约码和关联于所述预约码的预约信息,并建立人脸识别数据库;
所述第一识别模块连接所述存储模块,用于对患者展示的所述预约码进行识别,并根据识别结果于所述存储模块中检索出匹配的所述预约信息;
所述预约处理模块连接所述第一识别模块,用于将所述第一识别模块检索出的所述预约信息和人脸识别数据库发送至多媒态医护端;
所述人脸采集模块连接所述预约处理模块,用于采集患者的人脸图像,将所述患者的人脸图像作为人脸识别系统的输入图像;
所述图像特征提取模块连接所述人脸采集模块,用于提取所述人脸采集模块输入图像的特征向量;
所述第二识别模块与所述图像特征提取模块连接,用于多媒态医护端,将输入图像的特征向量与所述存储模块中存储的人脸特征向量进行比较,得到鉴别结果;
所述结果输出模块连接所述第二识别模块,用于输出所述鉴别结果。
2.根据权利要求1所述的一种消化内镜就诊机器人人脸识别系统,其特征在于:所述人脸识别数据库的建立包括:采集所有人的可靠图像、可靠图像的人脸特征提取以及在数据库中记录人脸特征信息。
3.根据权利要求1所述的一种消化内镜就诊机器人人脸识别系统,其特征在于:所述采集所有人的可靠图像具体为采集n个人的可靠图像信息,每个人采集m张可靠图像,m、n为正整数。
4.根据权利要求3所述的一种消化内镜就诊机器人人脸识别系统,其特征在于:所述可靠图像的人脸特征提取具体包括:
对第i个人的第j张可靠的人脸图像进行预处理,其中0<i<n+1,0<j<m+1,m、n为正整数;
对所述第i个人的第j张作小波分解,获得低频LL部分子图像,对所述作低频LL部分子图像傅里叶变换,采用其振幅作为该可靠图像的频谱特征Si,j。
5.根据权利要求4所述的一种消化内镜就诊机器人人脸识别系统,其特征在于:所述对第i个人的第j张可靠的人脸图像进行预处理具体为通过小波变换来对每一张可靠图像进行降维处理。
6.根据权利要求1所述的一种消化内镜就诊机器人人脸识别系统,其特征在于:所述图像特征提取模块具体包括:
对所述输入图像进行预处理;
所述输入图像作小波分解,获得低频LL部分子图像,对所述作低频LL部分子图像傅里叶变换,采用其振幅作为该输入图像的频谱特征Y’。
7.根据权利要求6所述的一种消化内镜就诊机器人人脸识别系统,其特征在于:所述第二识别模块用于将人脸数据库中每个人脸的特征向量Si,j与输入图像的特征向量Y’依次进行比较,具体包括:
对Si,j和Y’做归一化处理;
用向量间夹角的余弦值来度量两个向量的相似程度,令相似度di,j=cos(Si,j,Y′);
通过di,j进行特征判定。
8.根据权利要求1所述的一种消化内镜就诊机器人人脸识别系统,其特征在于:所述第一识别模块包括身份识别单元、联网读取单元和身份照片存储单元;所述第一识别模块通过身份证或社保卡信息进行录入,所述身份照片存储单元用于存储成功录入的人脸信息。
9.根据权利要求1所述的一种消化内镜就诊机器人人脸识别系统,其特征在于:所述第二识别模块包括存储单元和识别单元;所述识别单元通过身份照片存储单元内部存储信息进行对比识别;所述存储单元用于存储无匹配数据的人脸图像信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市第二人民医院(深圳市转化医学研究院),未经深圳市第二人民医院(深圳市转化医学研究院)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210309463.0/1.html,转载请声明来源钻瓜专利网。





